Inicio rápido de la Plataforma Ultralytics

Ultralytics Platform está diseñada para ser fácil de usar e intuitiva, permitiendo a los usuarios cargar rápidamente sus conjuntos de datos y entrenar nuevos modelos YOLO. Ofrece una variedad de modelos preentrenados para elegir, facilitando a los usuarios el inicio. Una vez que un modelo está entrenado, puede ser probado directamente en el navegador y desplegado a producción con un solo clic.

journey
    title Your First Model in 5 Minutes
    section Sign Up
      Create account: 5: User
      Select region: 5: User
    section Prepare Data
      Upload dataset: 5: User
      Review images: 4: User
    section Train
      Configure training: 5: User
      Monitor progress: 3: Platform
    section Deploy
      Test model: 5: User
      Deploy endpoint: 5: User

Empezar

Ultralytics ofrece varias opciones sencillas para registrarse. Puede registrarse e iniciar sesión con su cuenta Google GitHub, o con su dirección de correo electrónico.

Selección de región

Durante la incorporación, se le pedirá que seleccione su región de datos. La plataforma mide automáticamente la latencia de cada región y recomienda la más cercana. Esta es una elección importante, ya que determina dónde se almacenarán sus datos, modelos e implementaciones.

Créditos Gratuitos

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

Complete su perfil

Antes de seleccionar su región, deberá completar su perfil con un nombre de usuario, nombre de usuario, empresa opcional y caso de uso principal. El proceso de incorporación consta de tres pasos: Perfil, Región de datos y Completar.

Panel de inicio

Después de iniciar sesión, se le redirigirá a la página de inicio de Ultralytics , donde encontrará una tarjeta de bienvenida con estadísticas del espacio de trabajo, acceso rápido a conjuntos de datos, proyectos y almacenamiento, y un feed con las actividades recientes.

Navegación lateral

La barra lateral proporciona acceso a todas las secciones de la Plataforma:

Tarjeta de bienvenida

La tarjeta de bienvenida muestra tu perfil, insignia del plan y estadísticas del espacio de trabajo de un vistazo:

Acciones rápidas

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

• Conjuntos de datos: cree un nuevo conjunto de datos o arrastre imágenes, vídeos o archivos ZIP para subirlos. Muestra sus conjuntos de datos recientes.
• Proyectos: Crear un nuevo proyecto o soltar .pt Archivos de modelo para subir. Muestra tus proyectos recientes.
• Almacenamiento: Resumen del uso del almacenamiento (conjuntos de datos, modelos, exportaciones) con los límites del plan.

La tabla Actividad reciente, situada en la parte inferior, muestra tus últimos conjuntos de datos, modelos y ejecuciones de entrenamiento.

Suba su primer conjunto de datos

Navegar a Annotate en la barra lateral y haga clic en New Dataset para añadir tus datos de entrenamiento. También puedes arrastrar y soltar archivos directamente en la tarjeta Conjuntos de datos del panel de control Inicio.

Ultralytics admite múltiples formatos de carga (detalles completos en Conjuntos de datos):

graph LR
    A[Drop Files] --> B[Auto-Package ZIP]
    B --> C[Upload to Storage]
    C --> D[Backend Worker]
    D --> E[Resize & Thumbnail]
    E --> F[Parse Labels]
    F --> G[Compute Statistics]
    G --> H[Dataset Ready]

Después de la carga, la plataforma procesa automáticamente sus datos:

1. Las imágenes de más de 4096 píxeles se redimensionan (conservando la relación de aspecto).
2. Se generan miniaturas de 256 píxeles para una navegación rápida.
3. Las etiquetas se analizan y validan (YOLO .txt formato)
4. Se calculan las estadísticas (distribución por clases, mapas de calor, 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 compatibles para detect, segment, pose, OBB y classify.

Cree su primer proyecto

Los proyectos le ayudan a organizar modelos y experimentos relacionados. Vaya a Proyectos y haga clic en "Crear Proyecto".

Introduzca un nombre y una descripción opcional para su proyecto. Los proyectos contienen:

• Modelos: Puntos de control entrenados
• Registro de Actividad: Historial de cambios

Lea más sobre los proyectos.

Entrena tu Primer Modelo

Desde tu proyecto, haz clic en Train Model para comenzar la formación sobre la nube.

Configuración de entrenamiento

1. Seleccionar conjunto de datos: Elija entre los conjuntos de datos que ha subido (solo los conjuntos de datos con un train dividir se muestran)
2. Elija el modelo: seleccione un modelo base, ya sean Ultralytics oficiales Ultralytics o sus propios modelos entrenados.
3. Establecer épocas: Número de iteraciones de entrenamiento (por defecto: 100)
4. Seleccionar GPU: Elija los recursos informáticos en función de su presupuesto y el tamaño del modelo.

Supervisar el Entrenamiento

Una vez que comience la formación, podrás supervisar el progreso en tiempo real a través de tres subpestañas:

Las métricas se transmiten en tiempo real a través de SSE (Server-Sent Events). Una vez completado el entrenamiento, se generan gráficos de validación que incluyen matrices de confusión, curvas PR y curvas F1.

Lea más sobre el entrenamiento en la nube.

Prueba tu Modelo

Una vez finalizado el entrenamiento, pruebe su modelo directamente en el navegador:

1. Navega hasta el modelo. Predict pestaña
2. Sube una imagen, arrastra y suelta, o utiliza imágenes de ejemplo (inferencia automática al soltar).
3. Ver los resultados de la inferencia con cuadros delimitadores representados en el lienzo.

Ajuste los parámetros de inferencia:

El Predict La pestaña proporciona ejemplos de código listos para usar con su clave API real ya rellenada:

import requests

url = "https://platform.ultralytics.com/api/models/{model_id}/predict"
headers = {"Authorization": "Bearer your_api_key"}

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

print(response.json())

curl -X POST "https://platform.ultralytics.com/api/models/{model_id}/predict" \
  -H "Authorization: Bearer your_api_key" \
  -F "file=@image.jpg"

Lea más sobre la inferencia.

Desplegar a Producción

Despliegue su modelo en un endpoint dedicado para uso en producción:

1. Navega hasta el modelo. Deploy pestaña
2. Seleccione una región del mapa mundial interactivo (43 regiones disponibles).
3. The map shows real-time latency measurements with traffic light colors (green < 100ms, yellow < 200ms, red > 200ms)
4. Haga clic Deploy para crear tu punto final

graph LR
    A[Select Region] --> B[Deploy]
    B --> C[Provisioning ~1 min]
    C --> D[Running]
    D --> E{Lifecycle}
    E --> F[Stop]
    E --> G[Delete]
    F --> H[Resume]
    H --> D

Su endpoint estará listo en aproximadamente un minuto con:

• URL única: Endpoint HTTPS para llamadas a la API
• Autoescalado: Se escala automáticamente con el tráfico
• Monitorización: Métricas de solicitud y registros

Después de la implementación, puede gestionar todos sus terminales desde el Deploy sección en la barra lateral, que muestra un mapa global con implementaciones activas, métricas generales y una lista de todos los puntos finales.

Lea más sobre los endpoints.

Formación a distancia (opcional)

Si prefiere entrenar en su propio hardware, puede transmitir métricas a la plataforma utilizando su clave API. Funciona como Weights & Biases entrene en cualquier lugar y supervise en la plataforma.

1. Genera una clave API en Settings > Profile (Sección Claves API)
2. Establezca la variable de entorno y entrene con un project/name formato:

export ULTRALYTICS_API_KEY="ul_your_api_key_here"

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

Más información sobre claves API, URI de conjuntos de datos y entrenamiento remoto.

Comentarios

¡Valoramos sus comentarios! Utilice el botón de comentarios para ayudarnos a mejorar la plataforma.

¿Necesita ayuda?

Si encuentra algún problema o tiene preguntas:

• Documentación: Consulte estos documentos para obtener guías detalladas
• Discord: Únase a nuestra comunidad de Discord para debates
• GitHub: Informe de problemas en GitHub

📅 Creado hace 1 mes ✏️ Actualizado hace 4 días

Comentarios