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

La Plataforma Ultralytics ofrece una variedad de opciones de registro sencillas. Puede registrarse e iniciar sesión utilizando sus cuentas de Google o GitHub, o con su dirección de correo electrónico.

Selección de región

Durante el proceso de incorporación, se le pedirá que seleccione su 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 sus datos, modelos y despliegues.

Créditos Gratuitos

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

Complete su perfil

Antes de seleccionar tu región, completarás tu perfil con un nombre de visualización, nombre de usuario, empresa opcional y caso de uso principal. El flujo de incorporación consta de tres pasos: Perfil, Región de Datos y Completar.

Panel de inicio

Después de iniciar sesión, será dirigido a la página de inicio de Ultralytics Platform, que ofrece una tarjeta de bienvenida con estadísticas del espacio de trabajo, acceso rápido a conjuntos de datos, proyectos y almacenamiento, y un feed de actividad reciente.

Navegación de la barra lateral

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

Tarjeta de bienvenida

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

Acciones rápidas

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

• Conjuntos de datos: Cree un nuevo conjunto de datos o arrastre imágenes, videos o archivos ZIP para cargarlos. Muestra sus conjuntos de datos recientes.
• Proyectos: Cree un nuevo proyecto o suelte .pt archivos de modelo para cargar. Muestra tus proyectos recientes.
• Almacenamiento: Resumen de su uso de almacenamiento (conjuntos de datos, modelos, exportaciones) con límites de plan.

Una tabla de Actividad Reciente en la parte inferior muestra sus 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 New Dataset para añadir tus datos de entrenamiento. También puedes arrastrar y soltar archivos directamente en la tarjeta de Conjuntos de Datos en el panel de inicio.

La Plataforma 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 4096px se redimensionan (conservando la relación de aspecto)
2. Se generan miniaturas de 256px para una navegación rápida
3. Las etiquetas se analizan y validan (YOLO .txt formato)
4. Se calculan las 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/

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 su proyecto, haga clic en Train Model para iniciar el entrenamiento en la nube.

Configuración de entrenamiento

1. Seleccionar conjunto de datos: Elija entre sus conjuntos de datos cargados (solo conjuntos de datos con un train división se muestran)
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. Seleccionar GPU: Elige recursos de cómputo según tu presupuesto y tamaño de modelo

Supervisar el Entrenamiento

Una vez que comienza el entrenamiento, puede monitorear 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 la matriz 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. Navegar al Predict pestaña
2. Suba una imagen, arrastre y suelte, o use imágenes de ejemplo (inferencia automática al soltar)
3. Ver resultados de inferencia con cuadros delimitadores renderizados en el lienzo

Ajuste los parámetros de inferencia:

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

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. Navegar al 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. Haz clic Deploy para crear su endpoint

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 del despliegue, puede gestionar todos sus puntos finales desde la Deploy sección en la barra lateral, que muestra un mapa global con despliegues activos, métricas de resumen y una lista de todos los puntos finales.

Lea más sobre los endpoints.

Entrenamiento Remoto (Opcional)

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

1. Generar 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 las claves de API, las URI de conjuntos de datos y el 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 2 meses ✏️ Actualizado hace 1 día

Comentarios