Guía de inicio rápido de Ultralytics Platform#

Ultralytics Platform ofrece un flujo de trabajo guiado para subir conjuntos de datos, entrenar nuevos modelos YOLO a partir de pesos preentrenados, probar los modelos terminados en el navegador y configurar endpoints de inferencia dedicados.

El siguiente diagrama interactivo muestra las cuatro etapas principales del flujo de trabajo de Ultralytics Platform. Haz clic en cualquier etapa o subpaso para acceder a instrucciones detalladas sobre esa sección.

graph LR
    A(Sign Up):::start --> B(Prepare Data):::proc --> C(Train):::proc --> D(Deploy):::out
    A -.- A1["<a href='#get-started'>Create account</a><br/><a href='#region-selection'>Select region</a>"]:::proc
    B -.- B1["<a href='#upload-your-first-dataset'>Upload dataset</a><br/><a href='#create-your-first-project'>Create Project</a>"]:::proc
    C -.- C1["<a href='#training-configuration'>Configure training</a><br/><a href='#monitor-training'>Monitor progress</a>"]:::proc
    D -.- D1["<a href='#test-your-model'>Test model</a><br/><a href='#deploy-to-production'>Deploy endpoint</a>"]:::proc

    click A "#get-started"
    click B "#upload-your-first-dataset"
    click C "#train-your-first-model"
    click D "#deploy-to-production"

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef out fill:#9C27B0,color:#fff

Empezar#

Ultralytics Platform ofrece varias opciones sencillas para registrarte. Puedes registrarte e iniciar sesión con tu cuenta de Google o GitHub, o con tu dirección de correo electrónico.

Selección de región#

Durante la configuración inicial, se te pedirá que selecciones tu región de datos. Platform mide automáticamente la latencia de cada región y recomienda la más cercana. Esta elección determina dónde se almacenan tus conjuntos de datos, modelos y datos de entrenamiento gestionado. Las regiones de los endpoints dedicados se seleccionan por separado al implementar un modelo.

Créditos gratuitos#

Cada cuenta nueva recibe créditos gratuitos para entrenar en la nube con GPU:

Completa tu perfil#

El proceso de incorporación te guía en tres pasos:

1. Perfil - Introduce tu nombre visible, un nombre de usuario único (permanente y que no podrás cambiar más adelante), tu organización (opcional) y tu caso de uso principal
2. Región de datos - Selecciona EE. UU., la UE o AP mediante un mapamundi visual que muestra la latencia
3. Finalizar - Revisa tus selecciones, aplica un código promocional si quieres y completa el registro para reclamar tus créditos de bienvenida

Panel de inicio#

Tras iniciar sesión, accederás a la página de inicio de Ultralytics Platform, que incluye una tarjeta de bienvenida con estadísticas del espacio de trabajo, un vídeo de presentación, acceso rápido a conjuntos de datos, proyectos y almacenamiento, y un feed de actividad reciente.

Navegación de la barra lateral#

La barra lateral permite acceder a todas las secciones de Platform:

Cada sección de contenido muestra tus cinco elementos más recientes y un enlace al resto. Al pasar el cursor sobre un elemento aparece la acción para eliminarlo, que lo mueve a Papelera, excepto los despliegues, que se eliminan permanentemente tras la confirmación. Puedes acceder a la propia Papelera desde la búsqueda (Cmd+K) o abriendo platform.ultralytics.com/trash.

Tarjeta de bienvenida#

La tarjeta de bienvenida muestra tu perfil, la insignia de tu plan (que enlaza a la comparación de planes) y las estadísticas del espacio de trabajo de un vistazo. Cada estadística enlaza a la vista correspondiente del espacio de trabajo:

Acciones rápidas#

Debajo de la tarjeta de bienvenida, el panel muestra tres tarjetas:

• Conjuntos de datos: Crea un conjunto de datos nuevo o arrastra imágenes, vídeos o archivos de conjuntos de datos para subirlos. Muestra tus conjuntos de datos recientes.
• Proyectos: Crea un proyecto nuevo o arrastra archivos de modelos .pt para subirlos. Muestra tus proyectos recientes.
• Almacenamiento: Vista general del uso del almacenamiento (conjuntos de datos, modelos y exportaciones) y los límites del plan.

Una tabla de Actividad reciente en la parte inferior muestra tus conjuntos de datos, proyectos e implementaciones más recientes, con su estado y la hora de la última actualización.

Búsqueda global#

Pulsa Cmd+K (Mac) o Ctrl+K (Windows/Linux) para abrir la barra de búsqueda. Busca al instante en páginas, proyectos, conjuntos de datos e implementaciones.

Asistente de chat con IA#

Haz clic en Preguntar a la IA para trabajar con un agente de IA que automatiza tareas en Ultralytics Platform. El agente trabaja directamente con tus conjuntos de datos y modelos para anotar imágenes, ejecutar experimentos de entrenamiento, comparar resultados y exportar o implementar modelos. Consulta Entrenamiento automático con Preguntar a la IA para ver ejemplos de indicaciones y cómo configurar tu propio agente de programación.

Visitas guiadas de incorporación#

Platform incluye visitas guiadas que presentan funciones clave mientras exploras distintas secciones:

Reiniciar las visitas guiadas#

Para volver a iniciar cualquier visita guiada:

• Botón Repetir visita guiada — Haz clic en el avatar de tu perfil (abajo a la izquierda de la barra lateral) para abrir el menú de cuenta y, a continuación, selecciona Repetir visita guiada. Así se reinician todas las visitas guiadas para que vuelvan a mostrarse la próxima vez que visites cada sección.
• Parámetro de URL — Añade ?tour= con el ID de la visita guiada para reiniciarla directamente: ?tour=nav en la página de Inicio, ?tour=project en la página de un proyecto o ?tour=dataset en la página de un conjunto de datos.

Sube tu primer conjunto de datos#

Abre Annotate en la barra lateral y haz clic en + para crear un conjunto de datos nuevo. También puedes arrastrar y soltar archivos directamente en la tarjeta Conjuntos de datos del panel de inicio.

El cuadro de diálogo Nuevo conjunto de datos ofrece cuatro fuentes. En esta guía de inicio rápido se utiliza Subir; las demás se explican en Conjuntos de datos e Integraciones:

Las subidas admiten varios formatos (consulta todos los detalles en Conjuntos de datos):

graph LR
    A[Drop Files]:::start --> B[Auto-Package ZIP]:::proc
    B --> C[Upload to Storage]:::proc
    C --> D[Process Data]:::proc
    D --> E[Resize & Thumbnail]:::proc
    E --> F[Parse Labels]:::proc
    F --> G[Compute Statistics]:::proc
    G --> H[Dataset Ready]:::out

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef out fill:#9C27B0,color:#fff

Tras la subida, la plataforma procesa automáticamente tus datos:

1. Las imágenes de más de 4096 px se redimensionan (se conserva la relación de aspecto; los originales TIFF se almacenan tal como se han subido)
2. Se generan miniaturas de 256 px para agilizar la navegación
3. Se analizan y validan las etiquetas de YOLO, COCO, LabelMe y NDJSON de Ultralytics o Labelbox
4. Se calculan estadísticas (distribución de clases, mapas de calor y dimensiones)

my-dataset.zip
├── data.yaml          # Class names and splits
├── train/
│   ├── images/
│   │   ├── img001.jpg
│   │   └── img002.jpg
│   └── labels/
│       ├── img001.txt
│       └── img002.txt
└── val/
    ├── images/
    └── labels/

Más información sobre los conjuntos de datos y los formatos admitidos para detección, segmentación, pose, OBB y clasificación.

Crea tu primer proyecto#

Los proyectos te ayudan a organizar modelos y experimentos relacionados. Abre Train en la barra lateral y haz clic en + para crear un proyecto. También puedes arrastrar los pesos .pt hasta la tarjeta Proyectos del panel de inicio para crear un proyecto e importarlos de una sola vez.

Introduce un nombre y, si quieres, una descripción. Los proyectos organizan las ejecuciones de modelos y los pesos de modelos importados o clonados, e incluyen gráficos para comparar los resultados de entrenamiento completados.

Más información sobre los proyectos.

Entrena tu primer modelo#

Desde tu proyecto, haz clic en New Model para abrir el cuadro de diálogo Entrenar un modelo nuevo. También puedes empezar desde la página de un conjunto de datos; en ese caso, el conjunto de datos queda fijado y solo tienes que elegir el proyecto de destino.

Configuración del entrenamiento#

1. Modelo base: selecciona pesos oficiales de Ultralytics o uno de tus propios modelos entrenados. El cuadro de diálogo avisa si la tarea del modelo no coincide con la del conjunto de datos.
2. Conjunto de datos: elige un conjunto de datos listo que tenga al menos una imagen de entrenamiento, una imagen de validación o prueba y una imagen etiquetada
3. Parámetros: establece Épocas (100 de forma predeterminada), Tamaño del lote (déjalo en blanco para usar el valor automático), Tamaño de imagen (640 de forma predeterminada) y un Nombre opcional para la ejecución. Despliega Configuración avanzada para editar cualquier otro argumento de entrenamiento de Ultralytics en un editor YAML.
4. Seleccionar GPU: en la pestaña Entrenamiento en la nube, elige los recursos de computación según tu presupuesto y el tamaño del modelo. La opción predeterminada es RTX PRO 6000 (96 GB Blackwell, 2,09 $/h), que admite todas las variantes de YOLO26. Consulta la tabla completa de precios de GPU o el paso de GPU del entrenamiento en la nube para ver la lista completa y los requisitos de cada nivel.
5. Iniciar entrenamiento: revisa el coste y la duración estimados junto al saldo de créditos y, a continuación, haz clic en Start Training.

Supervisa el entrenamiento#

Cuando empiece el entrenamiento, abre la pestaña Train del modelo para supervisar el progreso en tiempo real desde tres subpestañas:

Las métricas se transmiten en tiempo real mediante SSE (eventos enviados por el servidor). Cuando hay artefactos de validación, la subpestaña Gráficos se divide en las vistas Entrenamiento y Validación; en Validación encontrarás la matriz de confusión y las curvas PR y F1.

Más información sobre el entrenamiento en la nube.

Prueba tu modelo#

Cuando termine el entrenamiento, prueba tu modelo directamente en el navegador:

1. Ve a la pestaña Predict de tu modelo
2. Sube una imagen, arrástrala y suéltala, captura una con tu cámara web o haz clic en una imagen de ejemplo (la inferencia se ejecuta automáticamente al soltarla)
3. Consulta las superposiciones de predicción adecuadas para la tarea, los tiempos de cada etapa (preprocesamiento, inferencia, posprocesamiento y red) y la respuesta JSON sin procesar

Ajusta los parámetros de inferencia:

En Documentación de la API, la pestaña Predict muestra código de ejemplo en Python, JavaScript y cURL, con los parámetros que has seleccionado arriba. Primero despliega el modelo y, después, sustituye la URL y la clave de marcador de posición por los valores de tu endpoint:

import requests

url = "https://your-deployment-url.run.app/predict"
api_key = "YOUR_API_KEY"
args = {"conf": 0.25, "iou": 0.7, "imgsz": 640}

with open("image.jpg", "rb") as f:
    response = requests.post(
        url,
        headers={"Authorization": f"Bearer {api_key}"},
        data=args,
        files={"file": f},
    )

print(response.json())

Más información sobre la inferencia.

Despliega en producción#

Despliega tu modelo en un endpoint dedicado para usarlo en producción:

1. Ve a la pestaña Deploy de tu modelo
2. Platform mide la latencia en las 42 regiones y la representa en un mapa mundial con un degradado de verde a rojo (menos latencia aparece en verde y más latencia, en rojo)
3. En la tabla Latencia por región, debajo del mapa y ordenada por latencia desde tu ubicación, busca la región que quieras. Usa Rescan para volver a medirla cuando quieras.
4. Haz clic en Deploy en esa fila para crear el endpoint

graph LR
    A[Select Region]:::start --> B[Deploy]:::proc
    B --> C[Provisioning]:::proc
    C --> D[Running]:::out
    D --> E{Lifecycle}:::decide
    E --> F[Stop]:::error
    E --> G[Delete]:::error
    F --> H[Resume]:::proc
    H --> D

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef decide fill:#FF9800,color:#fff
    classDef out fill:#9C27B0,color:#fff
    classDef error fill:#F44336,color:#fff

Cuando finalice el aprovisionamiento, tu endpoint ofrecerá:

• URL única: endpoint HTTPS para llamadas a la API
• Comportamiento de reducción a cero: Los endpoints inactivos de tamaño predeterminado se reducen a cero; los tamaños personalizados se mantienen activos y usan facturación por tiempo de actividad por hora (actualmente, los despliegues ejecutan una única instancia activa).
• Supervisión: métricas y registros de solicitudes

Tras el despliegue, puedes gestionar todos tus endpoints desde la pestaña Despliegues de tu perfil, a la que se accede desde la sección Deployments de la barra lateral. La pestaña muestra un mapa global con tus despliegues activos, métricas de las últimas 24 horas (despliegues activos, solicitudes totales, tasa de errores y latencia P95) y una lista de todos los endpoints.

Más información sobre los endpoints.

Entrenamiento remoto (opcional)#

Si prefieres entrenar en tu propio hardware, puedes usar tu clave de API para entrenar en cualquier lugar y transmitir métricas a Ultralytics Platform.

La forma más rápida es usar la pestaña Entrenamiento local del cuadro de diálogo de entrenamiento: genera el comando completo para el modelo, el conjunto de datos y los parámetros seleccionados, y añade una clave de API (crea una si aún no tienes). Cópialo y ejecútalo en tu terminal.

Para crear el comando por tu cuenta:

1. Genera una clave de API en Settings > API Keys
2. Establece la variable de entorno y entrena con un valor username/project para project:

export ULTRALYTICS_API_KEY="YOUR_API_KEY"

yolo train model=yolo26n.pt data=coco.yaml epochs=100 project=username/my-project name=exp1

Lee más sobre las claves de API, los URI de conjuntos de datos y el entrenamiento remoto.

Comentarios y ayuda#

La página Ayuda del pie de la barra lateral reúne enlaces a la documentación, guías en vídeo y recursos de la comunidad, e incluye un formulario de comentarios integrado en la aplicación. Puedes valorar tu experiencia de 1 a 5 estrellas, elegir un tipo de comentario (Error, Funcionalidad o General) y adjuntar una captura de pantalla.

Si necesitas más ayuda:

• Chat con IA: haz clic en el widget de chat flotante de cualquier página para obtener ayuda al instante.
• Documentación: consulta estos documentos para encontrar guías detalladas sobre conjuntos de datos, anotación, entrenamiento, despliegue y facturación.
• Discord: únete a la comunidad de Discord para participar en debates.
• GitHub: notifica los problemas en GitHub.
• REST API y SDK de Python: consulta la referencia de la API, instala el cliente ultralytics-platform o prueba la documentación interactiva de la API para acceder mediante programación a todas las funciones de Platform.

Preguntas frecuentes#