Inicio rápido de Ultralytics Platform#

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

El siguiente diagrama interactivo describe 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

Primeros pasos#

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

Créditos gratuitos#

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

Completa tu perfil#

El flujo de incorporación te guía por tres pasos:

1. Perfil - Introduce tu nombre para mostrar, nombre de usuario único (permanente, no se puede cambiar después), organización (opcional) y caso de uso principal
2. Región de datos - Selecciona US, EU o AP con un mapa del mundo visual que muestra la latencia
3. Completar - Revisa tus selecciones, aplica opcionalmente un código promocional y termina el registro para reclamar tus créditos de bienvenida

Panel de inicio#

Después de iniciar sesión, se te dirigirá a la página de inicio de Ultralytics Platform, que ofrece una tarjeta de bienvenida con estadísticas del espacio de trabajo, un vídeo general, 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 con un enlace al resto. Al pasar el cursor sobre un elemento, aparece una acción de eliminación que lo mueve a Papelera; puedes acceder a la papelera desde la búsqueda (Cmd+K) o abriendo platform.ultralytics.com/trash.

Tarjeta de bienvenida#

La tarjeta de bienvenida muestra tu perfil, la insignia del plan (que enlaza con la comparación de planes) y las estadísticas del espacio de trabajo de un vistazo. Cada estadística enlaza con 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 suelta imágenes, vídeos o archivos de conjuntos de datos para cargarlos. Muestra tus conjuntos de datos recientes.
• Proyectos: Crea un proyecto nuevo o suelta archivos de modelos .pt para cargarlos. Muestra tus proyectos recientes.
• Almacenamiento: Vista general del uso que haces del almacenamiento (conjuntos de datos, modelos y exportaciones) con los límites del plan.

Una tabla de Actividad reciente en la parte inferior muestra tus conjuntos de datos, proyectos y despliegues 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 y despliegues.

Asistente de chat con IA#

Haz clic en Ask AI para trabajar con un agente de inteligencia artificial que automatiza tareas en Ultralytics Platform. Funciona directamente con tus conjuntos de datos y modelos para etiquetar imágenes, ejecutar experimentos de entrenamiento, comparar resultados y exportar o desplegar modelos. Consulta AutoTrain con Ask AI para ver ejemplos de mensajes y la configuración de tu propio agente de programación.

Recorridos de incorporación#

Platform incluye recorridos guiados que presentan funciones clave mientras exploras las distintas secciones:

Reiniciar recorridos#

Para repetir cualquier recorrido:

• Botón Rehacer recorrido — Haz clic en tu avatar de perfil (abajo a la izquierda de la barra lateral) para abrir el menú de la cuenta y, después, selecciona Rehacer recorrido. Esto restablece todos los recorridos para que se repitan la próxima vez que visites cada sección.
• Parámetro de URL — Añade ?tour= con el ID del recorrido para reiniciar uno directamente: ?tour=nav en la página de inicio, ?tour=project en una página de proyecto o ?tour=dataset en una página de dataset.

Sube tu primer dataset#

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

El cuadro de diálogo de New Dataset ofrece cuatro fuentes. Esta guía rápida utiliza Upload; las demás se explican en Datasets y Integrations:

Las cargas admiten varios formatos (consulta todos los detalles en Datasets):

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

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

1. Las imágenes de más de 4096 px se redimensionan (manteniendo la relación de aspecto)
2. Se generan miniaturas de 256 px para una exploración rápida
3. Las etiquetas YOLO, COCO y NDJSON de Ultralytics se analizan y validan
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/

Obtén más información sobre los datasets y los formatos compatibles con detect, segment, pose, OBB y classify.

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 soltar los pesos de .pt en la tarjeta Projects del panel de inicio para crear un proyecto e importarlos en un solo paso.

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

Obtén más información sobre los proyectos.

Entrena tu primer modelo#

Desde tu proyecto, haz clic en New Model para abrir el diálogo Entrenar un modelo nuevo. También puedes empezar desde una página de dataset; en ese caso, el dataset queda fijado y tú eliges el proyecto de destino.

Configuración del entrenamiento#

1. Modelo base: selecciona pesos oficiales de Ultralytics o uno de tus propios modelos entrenados. El diálogo muestra una advertencia si la tarea del modelo y la del dataset no coinciden.
2. Dataset: elige un dataset listo que tenga al menos una imagen de entrenamiento, al menos una imagen de validación o prueba y al menos una imagen etiquetada
3. Parámetros: establece Épocas (100 de forma predeterminada), Tamaño de batch (si está vacío, se selecciona automáticamente), Tamaño de imagen (640 de forma predeterminada) y un Nombre de ejecución opcional. Expande 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 la capacidad de cómputo 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 las restricciones por nivel.
5. Iniciar entrenamiento: revisa el coste y la duración estimados junto al saldo de créditos y, después, 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 mediante tres subpestañas:

Las métricas se transmiten en tiempo real mediante SSE (Server-Sent Events). Una vez que existen artefactos de validación, la subpestaña de gráficos se divide en las vistas de Training y Validation, con la matriz de confusión, las curvas PR y las curvas F1 en Validation.

Obtén 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 (inferencia automática al soltarla)
3. Consulta superposiciones de predicciones adecuadas para la tarea, tiempos por 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, rellenado previamente con los parámetros que has seleccionado arriba. Despliega primero 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())

Obtén más información sobre la inferencia.

Despliega en producción#

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

1. Ve a la pestaña Deploy de tu modelo
2. La plataforma mide la latencia en las 42 regiones y las representa en un mapa del mundo, coloreado con un degradado de verde a rojo (una latencia menor se muestra en un tono más verde y una mayor, en uno más 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 en cualquier momento.
4. Haz clic en Deploy de esa fila para crear tu 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 proporcionará:

• URL única: endpoint HTTPS para llamadas a la API
• Escalado a cero: los endpoints inactivos se escalan a cero (las implementaciones ejecutan actualmente una única instancia activa)
• Supervisión: métricas y registros de solicitudes

Después del despliegue, puedes gestionar todos tus endpoints desde la sección Deploy de la barra lateral. El panel de despliegues muestra un mapa global con tus despliegues activos, métricas de 24 horas (solicitudes totales, despliegues activos, tasa de errores y latencia P95) y una lista de todos los endpoints.

Obtén más información sobre los endpoints.

Entrenamiento remoto (opcional)#

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

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

Para crear el comando manualmente:

1. Genera una clave de API en Settings > API Keys
2. Configura 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

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

Comentarios y ayuda#

La página Ayuda, situada en el pie de la barra lateral, recopila enlaces a la documentación, vídeos explicativos y recursos de la comunidad, e incluye un formulario de comentarios en la aplicación. Puedes puntuar tu experiencia de 1 a 5 estrellas, elegir un tipo de comentario (Error, Función o General) y adjuntar una captura de pantalla.

Si necesitas más ayuda:

• Chat de IA: Haz clic en el widget de chat flotante de cualquier página para obtener ayuda al instante
• Documentación: Consulta estos documentos para obtener guías detalladas sobre conjuntos de datos, anotación, entrenamiento, implementación y facturación
• Discord: Únete a nuestra comunidad de Discord para participar en debates
• GitHub: Informa de problemas en GitHub
• REST API y Python SDK: 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#