AutoTrain con Ask AI#
AutoTrain utiliza Ask AI para ayudarte a entrenar, comparar y mejorar modelos a través de una conversación. Comienza con una línea base, revisa los resultados y pide el siguiente experimento. Ask AI también puede encontrar conjuntos de datos, anotar imágenes, exportar modelos y desplegarlos.
Inicia sesión en Ultralytics Platform, abre tu conjunto de datos o proyecto y haz clic en Ask AI.
Para usar las acciones de Platform, primero crea una clave de API de Ultralytics en Settings > API Keys de tu espacio de trabajo personal. Ask AI utiliza tu clave personal existente de forma automática; no necesitas pegarla en la conversación. Incluye el enlace del proyecto o del conjunto de datos cuando trabajes con un espacio de trabajo en equipo.
Indicaciones para probar#
Incluye tu métrica objetivo, modelo, límite de épocas y número de experimentos en la solicitud. Para obtener resultados comparables, mantén fijos el conjunto de datos, las divisiones y la semilla aleatoria mientras cambias un parámetro a la vez. Las ejecuciones en la nube consumen tus créditos de entrenamiento.
Abre el conjunto de datos o proyecto correspondiente y pregunta:
| Objetivo | Indicación de ejemplo |
|---|---|
| Iniciar un proyecto | Crea un proyecto privado llamado "Wildlife Lab". Encuentra y clona un conjunto de datos de detección de fauna silvestre, y luego prepara una ejecución de entrenamiento base. |
| Comparar resoluciones | Entrena tres modelos en este conjunto de datos con tamaños de imagen de 640, 800 y 960. Mantén fijos todos los demás ajustes y divisiones del conjunto de datos. |
| Explorar un conjunto de datos | Encuentra portacontenedores, contenedores de envío y grúas en xView. ¿Es un buen punto de partida para la logística portuaria? |
| Crear una base | Entrena YOLO26n en este conjunto de datos y nombra la ejecución "xview-baseline". |
| Comparar modelos | Compara los modelos completados mediante mAP50-95 de validación. Explica las diferencias y propón el siguiente experimento. |
| Desplegar un modelo | Despliega el modelo completado con el mejor mAP de validación en este proyecto. Dame su URL de punto de conexión y su estado. |
| Etiquetar automáticamente | Usa mi mejor modelo compatible para etiquetar imágenes sin etiquetar en este conjunto de datos. Conserva las etiquetas existentes. |
| Revisar la clasificación | ¿Qué modelo tiene la mejor precisión de clasificación? ¿Qué razas siguen siendo confusas y qué deberíamos probar a continuación? |
| Exportar un modelo | Exporta este modelo a ONNX y dame el enlace de descarga cuando esté listo. |
Usa tu propio agente de código#
Ask AI utiliza la Platform CLI, ul cloud y su platform-cli skill complementaria. Puedes usar los mismos comandos desde Claude Code, Codex u otro agente de código compatible.
Instalación y conexión#
La configuración a continuación es para usar la Platform CLI con tu propio agente de código fuera de Platform.
La CLI ul viene con el paquete Ultralytics en Python 3.11+. Instálala o actualízala:
pip install -U ultralyticsCrea una clave de API de Platform y configúrala en el terminal que utiliza tu agente. Comprueba la conexión con:
export ULTRALYTICS_API_KEY="YOUR_API_KEY"
ul cloud account summaryAñadir la habilidad#
Sigue la guía de instalación de Agent Skills para los complementos de Claude Code y Codex. Para los agentes compatibles con la CLI de habilidades, instala la habilidad de Platform con:
npx skills add ultralytics/skills --skill platform-cliLuego usa indicaciones como los ejemplos anteriores, incluyendo el enlace del proyecto o del conjunto de datos para dar contexto.
Ejecutar comandos directamente#
Usa los identificadores URL (slugs) de tu proyecto y modelo en los comandos. Estos ejemplos están dirigidos a tu espacio de trabajo personal; añade owner=TEAM para dirigir los comandos a un espacio de trabajo de equipo al que pertenezcas:
ul cloud datasets list
ul cloud models list project=license-plate
ul cloud models training project=license-plate model=baseline
ul cloud training start --helpUsa ul cloud --help para descubrir comandos y ul cloud <resource> <operation> --help para sus argumentos. Consulta la referencia de la API de Platform para obtener más detalles.