Modelos

La Plataforma Ultralytics proporciona 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 del modelo existente a la plataforma:

1. Navegue a su proyecto
2. Arrastrar y soltar .pt archivos a la página del proyecto o a la barra lateral de modelos
3. Los metadatos del modelo se analizan automáticamente desde el archivo

Se pueden cargar varios archivos simultáneamente (hasta 3 concurrentes).

Formatos de modelo compatibles:

Después de la carga, 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
• Resultados y métricas del entrenamiento (si están presentes en el checkpoint)

Entrenar Modelo

Entrenar un nuevo modelo directamente en la plataforma:

1. Navegue a su proyecto
2. Haz clic en Nuevo modelo
3. Seleccione el modelo base y el conjunto de datos
4. Configura los parámetros de entrenamiento
5. Elija entrenamiento en la nube o local
6. Inicia el entrenamiento

Consulte Entrenamiento en la Nube para obtener instrucciones detalladas.

Ciclo de vida del modelo

graph LR
    A[Upload .pt] --> B[Overview]
    C[Train] --> B
    B --> D[Predict]
    B --> E[Export]
    B --> F[Deploy]
    E --> G[17+ Formats]
    F --> H[Endpoint]

    style A fill:#4CAF50,color:#fff
    style C fill:#FF9800,color:#fff
    style E fill:#2196F3,color:#fff
    style F fill:#9C27B0,color:#fff

Pestañas de la página del modelo

Cada página de modelo tiene las siguientes pestañas:

Pestaña de Vista General

Muestra los metadatos del modelo y las métricas clave:

• Nombre del modelo (editable), insignia de estado, tipo de tarea
• Métricas finales (mAP50, mAP50-95, precisión, exhaustividad)
• Gráficos sparkline de métricas que muestran la progresión del entrenamiento
• Argumentos de entrenamiento (épocas, tamaño de lote, tamaño de imagen, etc.)
• Enlace al conjunto de datos (cuando se entrena con un conjunto de datos de la Plataforma)
• Botón de descarga para los pesos del modelo

Pestaña de entrenamiento

La pestaña Entrenar tiene tres subpestañas:

Subpestaña de gráficos

Gráficos interactivos de métricas de entrenamiento que muestran curvas de pérdida y métricas de rendimiento a lo largo de las épocas:

Subpestaña de la Consola

Salida de consola en vivo del proceso de entrenamiento:

• Transmisión de registros en tiempo real durante el entrenamiento
• Barras de progreso de época y resultados de validación
• Detección de errores con banners de error resaltados
• Soporte de color ANSI para salida formateada

Subpestaña del sistema

Métricas de GPU y del sistema durante el entrenamiento:

Pestaña de Predicción

Ejecutar inferencia interactiva directamente en el navegador:

• Suba una imagen, pegue una URL o use la cámara web
• Visualización de resultados con cuadros delimitadores, máscaras o puntos clave
• Auto-inferencia al proporcionar una imagen
• Soporta todos los tipos de tareas (detect, segment, pose, OBB, classify)

Pestaña de Exportación

Exporte su modelo a más de 17 formatos de despliegue. Consulte Exportar Modelo a continuación y la guía del modo de exportación principal para obtener todos los detalles.

Pestaña Implementar

Cree y gestione endpoints de inferencia dedicados. Consulte Despliegues para más detalles.

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

graph LR
    A[Select Format] --> B[Configure Args]
    B --> C[Export]
    C --> D{GPU Required?}
    D -->|Yes| E[Cloud GPU Export]
    D -->|No| F[CPU Export]
    E --> G[Download]
    F --> G

    style A fill:#2196F3,color:#fff
    style C fill:#FF9800,color:#fff
    style G fill:#4CAF50,color:#fff

Exporte su modelo a más de 17 formatos de despliegue:

1. Navegue a la pestaña Exportar
2. Seleccione el formato de destino
3. Configurar argumentos de exportación (tamaño de imagen, precisión media, dinámico, etc.)
4. Para formatos que requieren GPU (TensorRT), seleccione un tipo de GPU
5. Haga clic en Exportar
6. Descargue cuando esté completo

Formatos compatibles

La plataforma admite la exportación a más de 17 formatos de despliegue: ONNX, TorchScript, OpenVINO, TensorRT, CoreML, TF SavedModel, TF GraphDef, TF Lite, TF Edge TPU, TF.js, PaddlePaddle, NCNN, MNN, RKNN, IMX500, Axelera y ExecuTorch.

Guía de Selección de Formato

Soporte de chips RKNN

Al exportar a formato RKNN, seleccione su dispositivo Rockchip de destino:

Ciclo de Vida del Trabajo de Exportación

Los trabajos de exportación avanzan a través de los siguientes estados:

Acciones de Exportación Masiva

• Exportar Todo: Haga clic Export All para iniciar trabajos de exportación para todos los formatos basados en CPU con la configuración predeterminada.
• Eliminar todas las exportaciones: Haga clic Delete All para eliminar todas las exportaciones del modelo.

Restricciones de Formato

Algunos formatos de exportación tienen restricciones de arquitectura o tarea:

Clonar Modelo

Clonar un modelo a un proyecto diferente:

1. Abrir la página del modelo
2. Haga clic en el botón Clonar.
3. Seleccione el proyecto de destino
4. Haga clic en Clone

El modelo y sus pesos se copian al proyecto de destino.

Descargar Modelo

Descargue los pesos de su modelo:

1. Navegar a la pestaña de Visión general del modelo
2. Haga clic en el botón Descargar.
3. El original .pt el archivo se descarga automáticamente

Los formatos exportados se pueden descargar desde la pestaña Exportar una vez finalizada la exportación.

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
• Haga clic en la tarjeta del conjunto de datos en la pestaña Resumen para navegar a ella.
• track el linaje de los datos

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

# Train with a Platform dataset — linking is automatic
yolo train model=yolo26n.pt data=ul://username/datasets/my-dataset epochs=100

Configuración de Visibilidad

Controla quién puede ver tu modelo:

Para cambiar la visibilidad, haz clic en el distintivo de visibilidad (ej., private o public) en la página del modelo. El cambio a privado surte efecto inmediatamente. El cambio a público muestra un cuadro de diálogo de confirmación antes de aplicarse.

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 totalmente compatible con todas las arquitecturas YOLO a través de proyectos dedicados:

• YOLO26: variantes n, s, m, l, x (última, recomendada) — platform.ultralytics.com/ultralytics/yolo26
• YOLO11: variantes n, s, m, l, x — platform.ultralytics.com/ultralytics/yolo11
• YOLOv8: variantes n, s, m, l, x — platform.ultralytics.com/ultralytics/yolov8
• YOLOv5: variantes n, s, m, l, x — platform.ultralytics.com/ultralytics/yolov5

Todas las arquitecturas soportan 5 tipos de tareas: detect, segment, pose, OBB y classify.

¿Puedo descargar mi modelo entrenado?

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

1. Haga clic en el icono de descarga en la pestaña Vista general
2. El original .pt el archivo se descarga automáticamente
3. Los formatos exportados se pueden descargar desde la pestaña Exportar

¿Cómo comparo modelos entre proyectos?

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

1. Clonar modelos a un solo 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! Puede usar cualquiera de los modelos oficiales de YOLO26 como base, o seleccionar uno de sus propios modelos completados desde el selector de modelos en el diálogo de entrenamiento. La Plataforma admite el ajuste fino desde cualquier punto de control cargado.

📅 Creado hace 2 meses ✏️ Actualizado hace 25 días

Comentarios