Modelos

La Plataforma Ultralytics ofrece una gestión integral de modelos para entrenar, analizar y desplegar modelos YOLO. Suba modelos preentrenados o entrene nuevos directamente en la Plataforma.

Cargar Modelo

Suba los pesos de modelos existentes a la Plataforma:

1. Navegue a su proyecto
2. Haga clic en Subir modelo
3. Seleccione su .pt archivo
4. Añada nombre y descripción
5. Haga clic en Cargar

Formatos de modelo compatibles:

Después de la subida, la Plataforma analiza los metadatos del modelo:

• Tipo de tarea (detect, segment, pose, obb, classify)
• Arquitectura (YOLO26n, YOLO26s, etc.)
• Nombres y recuento de clases
• Tamaño de entrada y parámetros

Entrenar Modelo

Entrene un nuevo modelo directamente en la Plataforma:

1. Navegue a su proyecto
2. Haga clic en Entrenar Modelo
3. Seleccionar conjunto de datos
4. Elegir modelo base
5. Configura los parámetros de entrenamiento
6. Inicia el entrenamiento

Consulte Entrenamiento en la Nube para obtener instrucciones detalladas.

Descripción general del modelo

Cada página del modelo muestra:

Métricas de entrenamiento

Vea métricas de entrenamiento en tiempo real e históricas:

Curvas de pérdida

Métricas de rendimiento

Gráficos de validación

Una vez completado el entrenamiento, vea un análisis de validación detallado:

Matriz de Confusión

Mapa de calor interactivo que muestra la precisión de la predicción por clase:

Curvas PR/F1

Curvas de rendimiento en diferentes umbrales de confianza:

Exportar modelo

Exporte su modelo a 17 formatos de despliegue:

1. Navegue a la pestaña Exportar
2. Seleccione el formato de destino
3. Haga clic en Exportar
4. Descargue cuando esté completo

Formatos compatibles (17 en total)

Guía de selección de formatos

Para NVIDIA : Utilice TensorRT para obtener la máxima velocidad.

Para Intel : Utilice OpenVINO para Intel , GPU y VPU Intel .

Para dispositivos Apple: Utilice CoreML para iOS, macOS y Apple Silicon.

Para Android: Utilice TF o NCNN para obtener el mejor rendimiento.

Para navegadores web: utilice TF.js o ONNX (con ONNX Web).

Para dispositivos periféricos: utilice TF TPU para Coral y RKNN para Rockchip.

Para compatibilidad general: Utilice ONNX , que funciona con la mayoría de los entornos de ejecución de inferencia.

Vinculación de conjuntos de datos

Los modelos se pueden vincular a su conjunto de datos de origen:

• Visualizar qué conjunto de datos se utilizó para el entrenamiento
• Acceder al conjunto de datos desde la página del modelo
• track el linaje de los datos

Al entrenar con conjuntos de datos de la Plataforma utilizando el ul:// formato URI, la vinculación es automática.

Configuración de Visibilidad

Controla quién puede ver tu modelo:

Para cambiar la visibilidad:

1. Abrir menú de acciones del modelo
2. Haz clic en Editar
3. Alternar visibilidad
4. Haz clic en Guardar

Eliminar modelo

Elimina un modelo que ya no necesites:

1. Abrir menú de acciones del modelo
2. Haz clic en Eliminar
3. Confirma la eliminación

Preguntas frecuentes

¿Qué arquitecturas de modelo son compatibles?

La Plataforma Ultralytics es compatible con todas las arquitecturas YOLO:

• YOLO26: variantes n, s, m, l, x (recomendadas)
• YOLO11: variantes n, s, m, l, x
• YOLOv10: Soporte heredado
• YOLOv8: Soporte heredado
• YOLOv5: Soporte heredado

¿Puedo descargar mi modelo entrenado?

Sí, descargue los pesos de su modelo desde la página del modelo:

1. Haz clic en el icono de descarga
2. Selecciona el formato (original .pt o exportado)
3. La descarga comienza automáticamente

¿Cómo comparo modelos entre proyectos?

Actualmente, la comparación de modelos se realiza dentro de los proyectos. Para comparar entre proyectos:

1. Transfiere modelos a un único proyecto, o
2. Exporta métricas y compara externamente

¿Cuál es el tamaño máximo del modelo?

No hay un límite estricto, pero los modelos muy grandes (>2GB) pueden tener tiempos de carga y procesamiento más largos.

¿Puedo ajustar modelos preentrenados?

¡Sí! Suba un modelo preentrenado y luego comience el entrenamiento desde ese punto de control con su conjunto de datos. La Plataforma utiliza automáticamente el modelo subido como punto de partida.

📅 Creado hace 20 días ✏️ Actualizado hace 14 días

Comentarios