Modelos

La Ultralytics Platform ofrece una gestión integral de modelos para entrenar, analizar y desplegar modelos YOLO. Sube modelos preentrenados o entrena otros nuevos directamente en la plataforma.

Subir modelo

Sube los pesos de modelos existentes a la plataforma:

1. Navega a tu proyecto
2. Arrastra y suelta archivos .pt en la página del proyecto o en la barra lateral de modelos
3. Los metadatos del modelo se analizan automáticamente desde el archivo

Puedes subir varios archivos simultáneamente (hasta 3 de forma concurrente).

Formatos de modelo compatibles:

Tras 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
• Resultados y métricas del entrenamiento (si están presentes en el punto de control)

Entrenar modelo

Entrena un nuevo modelo directamente en la plataforma:

1. Navega a tu proyecto
2. Haz clic en Nuevo modelo
3. Selecciona el modelo base y el conjunto de datos
4. Configura los parámetros de entrenamiento
5. Elige entrenamiento en la nube o local
6. Inicia el entrenamiento

Consulta Cloud Training 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 Overview

Muestra los metadatos y las métricas clave del modelo:

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

Pestaña Train

La pestaña Train tiene tres subpestañas:

Subpestaña Charts

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

Subpestaña Console

Salida de consola en directo del proceso de entrenamiento:

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

Subpestaña System

Métricas de GPU y sistema durante el entrenamiento:

Pestaña Predict

Ejecuta inferencia interactiva directamente en el navegador:

• Sube una imagen, utiliza imágenes de ejemplo o usa la webcam
• Visualización de resultados con cajas delimitadoras, máscaras o puntos clave
• Inferencia automática cuando se proporciona una imagen
• Soporta todos los tipos de tareas (detect, segment, pose, OBB, classify)

Pestaña Export

Exporta tu modelo a más de 17 formatos de despliegue. Consulta Export Model a continuación y la guía principal del modo Export para conocer todos los detalles.

Pestaña Deploy

Crea y gestiona endpoints de inferencia dedicados. Consulta Deployments para más detalles.

Gráficos de validación

Una vez completado el entrenamiento, visualiza 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 según 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

Exporta tu modelo a más de 17 formatos de despliegue:

1. Navega a la pestaña Exportar
2. Selecciona el formato de destino
3. Configura los argumentos de exportación (tamaño de imagen, media precisión, dinámico, etc.)
4. Para formatos que requieren GPU (TensorRT), selecciona un tipo de GPU
5. Haz clic en Exportar
6. Descarga cuando finalice

Formatos soportados

La plataforma soporta 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 chip RKNN

Al exportar al formato RKNN, selecciona tu dispositivo Rockchip de destino:

Ciclo de vida del trabajo de exportación

Los trabajos de exportación pasan por los siguientes estados:

Acciones de exportación masiva

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

Restricciones de formato

Algunos formatos de exportación tienen restricciones de arquitectura o tarea:

Clonar modelo

Clona un modelo a un proyecto diferente:

1. Abre la página del modelo
2. Haz clic en el botón Clonar
3. Selecciona el proyecto de destino
4. Haz clic en Clone

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

Descargar modelo

Descarga los pesos de tu modelo:

1. Navega a la pestaña Overview del modelo
2. Haz clic en el botón Download
3. El archivo .pt original se descarga automáticamente

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

Vinculación de conjuntos de datos

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

• Visualiza qué conjunto de datos se utilizó para el entrenamiento
• Haz clic en la tarjeta del conjunto de datos en la pestaña Overview para navegar a él
• Rastrea el linaje de los datos

Al entrenar con conjuntos de datos de la Platform mediante el formato de URI ul://, 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 (por ejemplo, private o public) en la página del modelo. Cambiar a privado tiene efecto inmediato. Cambiar a público muestra un cuadro de diálogo de confirmación antes de aplicarse.

Eliminar modelo

Elimina un modelo que ya no necesites:

1. Abre el menú de acciones del modelo
2. Haz clic en Delete
3. Confirma la eliminación

Ver también

• Inference: Prueba modelos en el navegador con la pestaña Predict
• Endpoints: Implementa modelos en producción con endpoints dedicados
• Cloud Training: Configura y ejecuta trabajos de entrenamiento en GPUs en la nube
• Export Formats: Guía completa de los más de 17 formatos de exportación

Preguntas frecuentes

¿Qué arquitecturas de modelo son compatibles?

Ultralytics Platform es totalmente compatible con todas las arquitecturas YOLO con proyectos dedicados:

• YOLO26: variantes n, s, m, l, x (más reciente, recomendado) — 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 admiten 5 tipos de tareas: detect, segment, pose, OBB y classify.

¿Puedo descargar mi modelo entrenado?

Sí, descarga los pesos de tu modelo desde la página del modelo:

1. Haz clic en el icono de descarga en la pestaña Overview
2. El archivo .pt original se descarga automáticamente
3. Los formatos exportados se pueden descargar desde la pestaña Export

¿Cómo comparo modelos entre proyectos?

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

1. Clona los modelos a un único proyecto, o
2. Exporta las métricas y compáralas externamente

¿Cuál es el tamaño máximo del modelo?

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

¿Puedo ajustar modelos preentrenados?

¡Sí! Puedes usar cualquiera de los modelos oficiales YOLO26 como base, o seleccionar uno de tus propios modelos completados en el selector de modelos dentro del cuadro de diálogo de entrenamiento. La Platform admite el ajuste a partir de cualquier punto de control (checkpoint) cargado.