Link to this sectionGuía de inicio rápido de Ultralytics Platform#

Ultralytics Platform está diseñada para ser intuitiva y fácil de usar, permitiendo a los usuarios subir rápidamente sus datasets y entrenar nuevos modelos YOLO. Ofrece una gama de modelos preentrenados para elegir, lo que facilita el inicio a los usuarios. Una vez que un modelo está entrenado, se puede probar directamente en el navegador y desplegarse en producción con un solo clic.

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 las instrucciones detalladas de 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

Link to this sectionComenzar#

Ultralytics Platform ofrece una variedad de opciones de registro sencillas. Puedes registrarte e iniciar sesión usando tus cuentas de Google o GitHub, o con tu dirección de correo electrónico.

Link to this sectionSelección de región#

Durante la incorporación, se te pedirá que selecciones tu región de datos. La plataforma mide automáticamente la latencia a cada región y recomienda la más cercana. Esta es una elección importante ya que determina dónde se almacenarán tus datos, modelos y despliegues.

Link to this sectionCréditos gratuitos#

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

Link to this sectionCompleta tu perfil#

El flujo de incorporación te guía a través de tres pasos:

1. Perfil - Introduce tu nombre de visualización, 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 mundial visual que muestra la latencia
3. Completar - Revisa tus selecciones, aplica opcionalmente un código promocional y finaliza el registro para reclamar tus créditos de bienvenida

Link to this sectionPanel de control principal#

Después de iniciar sesión, serás dirigido a la página de inicio de Ultralytics Platform, la cual proporciona una tarjeta de bienvenida con estadísticas del espacio de trabajo, acceso rápido a datasets, proyectos y almacenamiento, y un feed de actividad reciente.

Link to this sectionNavegación de la barra lateral#

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

Link to this sectionTarjeta de bienvenida#

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

Link to this sectionAcciones rápidas#

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

• Datasets: Crea un nuevo dataset o suelta imágenes, vídeos o archivos de dataset para subirlos. Muestra tus datasets recientes.
• Proyectos: Crea un nuevo proyecto o suelta archivos de modelo .pt para subirlos. Muestra tus proyectos recientes.
• Almacenamiento: Visión general de tu uso de almacenamiento (datasets, modelos, exportaciones) con los límites del plan.

Una tabla de Actividad reciente en la parte inferior muestra tus últimos datasets, modelos y ejecuciones de entrenamiento.

Link to this sectionBúsqueda global#

Presiona Cmd+K (Mac) o Ctrl+K (Windows/Linux) para abrir la barra de búsqueda. Busca instantáneamente entre páginas, proyectos, datasets y despliegues.

Link to this sectionAsistente de chat con IA#

Un widget de chat flotante está disponible en cada página. Haz clic en él para hacer preguntas sobre entrenamiento con YOLO, anotación, despliegue o cualquier característica de la Plataforma. El asistente proporciona ayuda contextual basada en la página actual.

Link to this sectionTours de incorporación#

La plataforma incluye tours guiados que presentan características clave mientras exploras diferentes secciones:

Link to this sectionReiniciar tours#

Para repetir cualquier tour:

• Botón Rehacer tour — Haz clic en el avatar de tu perfil (esquina inferior izquierda de la barra lateral) para abrir el menú de usuario, luego selecciona Rehacer tour. Esto restablece todos los tours para que se reproduzcan en tu próxima visita a cada sección.
• Parámetro de URL — Navega a platform.ultralytics.com/home?tour=nav para reiniciar el Tour de navegación directamente.

Link to this sectionSube tu primer conjunto de datos#

Navega a Annotate en la barra lateral y haz clic en New Dataset para añadir tus datos de entrenamiento. También puedes arrastrar y soltar archivos directamente en la tarjeta de Datasets en el panel de control de Home.

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

graph LR
    A[Drop Files]:::start --> B[Auto-Package ZIP]:::proc
    B --> C[Upload to Storage]:::proc
    C --> D[Backend Worker]:::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 carga, la plataforma procesa automáticamente tus datos:

1. Las imágenes mayores de 4096 px se redimensionan (manteniendo la relación de aspecto)
2. Se generan miniaturas de 256 px para una navegación rápida
3. Las etiquetas se analizan y validan (formato YOLO .txt)
4. Se calculan estadísticas (distribución de 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/

Lee más sobre conjuntos de datos y los formatos admitidos para detectar, segmentar, pose, OBB y clasificar.

Link to this sectionCrea tu primer proyecto#

Los proyectos te ayudan a organizar modelos y experimentos relacionados. Navega a Proyectos y haz clic en "Crear proyecto".

Introduce un nombre y una descripción opcional para tu proyecto. Los proyectos contienen:

• Modelos: Puntos de control entrenados

Lee más sobre proyectos.

Link to this sectionEntrena tu primer modelo#

Desde tu proyecto, haz clic en New Model para iniciar el entrenamiento en la nube.

Link to this sectionConfiguración del entrenamiento#

1. Seleccionar conjunto de datos: Elige entre tus conjuntos de datos subidos (solo se muestran los conjuntos de datos con una división de train)
2. Elegir modelo: Selecciona un modelo base: modelos oficiales de Ultralytics o tus propios modelos entrenados
3. Establecer épocas: Número de iteraciones de entrenamiento (predeterminado: 100)
4. Selecciona GPU: Elige los recursos de cómputo según tu presupuesto y el tamaño del modelo. El predeterminado es RTX PRO 6000 (96 GB Blackwell, 2,09 $/h), que gestiona cualquier variante de YOLO26. Consulta la tabla completa de precios de GPU o el paso de GPU para entrenamiento en la nube para ver la lista completa y las restricciones de nivel.

Link to this sectionMonitorear entrenamiento#

Una vez que comienza el entrenamiento, puedes monitorear el progreso en tiempo real a través de tres subpestañas:

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

Lee más sobre entrenamiento en la nube.

Link to this sectionPrueba tu modelo#

Una vez completado el entrenamiento, prueba tu modelo directamente en el navegador:

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

Ajusta los parámetros de inferencia:

La pestaña Predict proporciona ejemplos de código listos para usar con tu clave de 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())

Lee más sobre inferencia.

Link to this sectionDespliegue a producción#

Despliega tu modelo en un endpoint dedicado para su uso en producción:

1. Navega a la pestaña Deploy de tu modelo
2. Selecciona una región del mapa mundial interactivo (43 regiones disponibles)
3. El mapa muestra mediciones de latencia en tiempo real con colores en un gradiente de verde a rojo (una latencia menor es más verde, una mayor es más roja)
4. Haz clic en Deploy para crear tu endpoint

graph LR
    A[Select Region]:::start --> B[Deploy]:::proc
    B --> C[Provisioning ~1 min]:::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

Tu endpoint estará listo en aproximadamente un minuto con:

• URL única: Endpoint HTTPS para llamadas a la API
• Comportamiento de escalado a cero: Sin costo de cómputo en reposo (los despliegues actualmente ejecutan una única instancia activa)
• Monitoreo: Métricas de solicitud y registros

Tras el despliegue, puedes gestionar todos tus endpoints desde la sección Deploy en la barra lateral, la cual muestra un mapa global con despliegues activos, métricas generales y una lista de todos los endpoints.

Lee más sobre endpoints.

Link to this sectionEntrenamiento remoto (opcional)#

Si prefieres entrenar en tu propio hardware, puedes transmitir las métricas a la plataforma usando tu API key. Esto funciona como Weights & Biases: entrena donde quieras, monitorea en la plataforma.

1. Genera una clave de API en Settings > API Keys
2. Configura la variable de entorno y entrena con un formato project/name:

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 API keys, URIs de datasets y entrenamiento remoto.

Link to this sectionComentarios y ayuda#

La página de Help en el pie de página de la barra lateral incluye un formulario de comentarios integrado. Puedes valorar tu experiencia, elegir un tipo de comentario (error, solicitud de función o general) y adjuntar capturas de pantalla.

Si necesitas más ayuda:

• AI Chat: Haz clic en el widget de chat flotante en cualquier página para obtener ayuda instantánea
• Documentación: Explora estos documentos para obtener guías detalladas sobre datasets, anotación, entrenamiento, despliegue y facturación
• Discord: Únete a nuestra comunidad de Discord para debatir
• GitHub: Informa de problemas en GitHub
• REST API: Consulta la referencia de la API o prueba la documentación interactiva de la API para acceder mediante programación a todas las funciones de la Platform