Sur site#

On Premise permet à ton espace de travail Enterprise d'utiliser des datasets et de la puissance de calcul sur un ordinateur Linux, macOS ou Windows. Les images et vidéos sources restent sur ton ordinateur. L'entraînement se comporte comme n'importe quel autre emplacement d'entraînement distant : les métriques sont transmises à Platform et les poids du modèle terminés sont téléchargés pour permettre le téléchargement, la prédiction, l'exportation et le déploiement.

La configuration ne prend qu'une seule commande. La Platform détecte ton système d'exploitation, remplit les emplacements de dossiers appropriés, installe Docker si nécessaire et affiche la progression de la connexion en temps réel.

Comment ça marche#

flowchart LR
    A[Your browser] <-->|Interface, labels, and progress| B[Ultralytics Platform]
    A <-->|Dataset previews| C[Your On Premise computer]
    B <-->|Jobs, metrics, and model weights| C
    C --- D[(Dataset folder)]
    C --- E[(Models folder)]

Limites des données#

Les poids des modèles, les étiquettes, les annotations et les métriques peuvent encoder des informations apprises à partir de tes images. Seuls les pixels du dataset ont une limite stricte en local uniquement. La prédiction cloud traite uniquement les images que tu soumets séparément à ce workflow cloud ; le worker ne transfère jamais une image provenant de ton dataset monté.

Avant de commencer#

Choisis un ordinateur Linux, un Mac à puce Apple silicon ou un ordinateur Windows 64 bits qui peut accéder à tes jeux de données et rester allumé pendant que Platform les utilise. Laisse suffisamment d'espace de stockage libre pour les jeux de données, les entraînements de modèles et les images Docker, et assure-toi que l'ordinateur peut établir des connexions HTTPS sortantes.

Un GPU est optionnel. Chaque ordinateur peut ingérer des datasets et entraîner des modèles sur son CPU. Un GPU NVIDIA compatible peut accélérer les travaux d'entraînement plus importants.

Connecte ton ordinateur#

1. Ouvre Ultralytics Platform sur l'ordinateur qui peut accéder à tes datasets.
2. Va dans Settings > Integrations et sélectionne On Premise dans la liste des intégrations.
3. Vérifie les chemins préremplis Dataset folder on this machine et Models folder on this machine.
4. Sélectionne Créer la commande d'installation.
5. Ouvre le terminal indiqué dans la boîte de dialogue, copie la commande, colle-la et appuie sur Entrée.
6. Garde la page des intégrations ouverte jusqu'à ce que l'indicateur de progression affiche Connected.

La Platform remplit les dossiers et le jeton de connexion unique avant que tu ne copies la commande. La commande générée suit le format ci-dessous :

curl -fsSL 'https://platform.ultralytics.com/api/workers/install?os=linux' \
  | sudo sh -s -- \
    "/datasets" \
    "/models" \
    "YOUR_CONNECTION_TOKEN"

Les paramètres par défaut fonctionnent sans modification :

La commande de configuration crée ces dossiers, installe et démarre Docker si nécessaire, et configure la connexion pour qu'elle redémarre avec ton ordinateur. Ton système d'exploitation peut te demander d'approuver l'installation ou de redémarrer avant que la configuration ne puisse se terminer.

Images de base Docker#

L'installateur exécute un conteneur et sélectionne l'image de base officielle Ultralytics pour l'hôte :

L'installateur sélectionne une image officielle épinglée à une version pour l'hôte. Le travailleur ajoute ses dépendances de connectivité sans réinstaller Ultralytics. Il détecte CUDA lors de la configuration, de sorte qu'un hôte NVIDIA exécute toujours un seul conteneur plutôt que des travailleurs CPU et GPU séparés. Les services cloud de Platform gèrent la prédiction et l'exportation des modèles une fois que le meilleur point de contrôle est téléchargé.

Ajoute un dataset#

1. Place ton dataset dans le dossier de datasets configuré.
2. Dans la Platform, sélectionne New Dataset > On Premise.
3. Choisis l'ordinateur connecté.
4. Navigue jusqu'au dossier du dataset, choisis la tâche et sélectionne Créer.

La Platform indexe le dataset localement et l'ouvre dans la même galerie que celle utilisée pour les datasets téléchargés et stockés dans le cloud. Tu peux prévisualiser des images, inspecter des étiquettes, filtrer le dataset et annoter sans télécharger les pixels.

Données prises en charge#

On Premise prend en charge les mêmes formats d'ingestion et tâches de vision par ordinateur que les données téléchargées :

• Images et vidéos
• Archives ZIP, TAR, TAR.GZ et TGZ
• Ultralytics NDJSON et COCO JSON
• Datasets YOLO et dossiers de classification
• Tâches de détection, segmentation, pose, boîte englobante orientée (OBB) et classification

La Platform reconnaît automatiquement les dispositions de dataset courantes, les classes, les étiquettes et les divisions train/validation/test. La Platform traite les fichiers sources comme étant en lecture seule et ne les redimensionne, ne les réencode, ne les modifie et ne les supprime jamais.

Prévisualiser et annoter#

Lorsque tu ouvres une image, ton navigateur la charge directement depuis l'ordinateur connecté. Il n'y a pas de certificat, de nom d'hôte, de VPN ou de configuration de prévisualisation.

Les annotations et l'organisation du dataset sont enregistrées dans ton espace de travail Platform, mais les modifications dans la Platform ne changent jamais tes fichiers d'image source ou d'étiquette.

Entraîner un modèle#

Commence l'entraînement via la boîte de dialogue d'entraînement normale de la Platform :

1. Ouvre un projet et sélectionne New Model.
2. Choisis le dataset On Premise.
3. Sélectionne un modèle et les paramètres d'entraînement.
4. Lance l'entraînement.

La Platform exécute le travail sur l'ordinateur connecté. Elle utilise un GPU NVIDIA disponible ou bascule automatiquement vers le CPU, afin qu'un Mac puisse entraîner un petit modèle tel que YOLO26n sur COCO8 sans matériel GPU dédié.

Les fichiers d'entraînement sont écrits dans le dossier de modèles configuré pendant que l'exécution est active. Le package Ultralytics utilise les mêmes callbacks d'entraînement distant que n'importe quelle machine gérée par le client : la progression et les métriques sont transmises à Platform, le meilleur checkpoint est téléchargé vers le stockage Platform, et le modèle terminé fonctionne avec les chemins existants de téléchargement, prédiction, exportation et déploiement. Les autres artefacts d'entraînement restent dans ton dossier de modèles. L'entraînement On Premise n'utilise pas de crédits de calcul Platform, et Platform n'envoie jamais le travail d'entraînement vers le calcul cloud.

Gère la connexion#

Ouvre Settings > Integrations pour voir si l'ordinateur et son CPU ou GPU sont disponibles. Tu peux te reconnecter pour actualiser son accès ou le déconnecter lorsqu'il n'est plus nécessaire.

La déconnexion empêche les nouveaux travaux et prévisualisations mais ne supprime pas les datasets ou les fichiers sources de l'ordinateur. Les modèles téléchargés restent disponibles dans Platform.

Si la configuration ne se termine pas#

• Docker demande une autorisation : Approuve l'invite et attends que Docker démarre. La configuration se poursuit automatiquement.
• Windows demande un redémarrage : Redémarre l'ordinateur, retourne dans Settings > Integrations et crée une nouvelle commande d'installation.
• La commande de configuration a expiré : Crée une nouvelle commande d'installation. Chaque commande est temporaire et ne fonctionne qu'une seule fois.
• La connexion reste hors ligne : Ouvre Docker Desktop, relance une commande nouvellement générée et garde le terminal ouvert jusqu'à ce qu'il indique que On Premise est en cours d'exécution.
• Les prévisualisations ne se chargent pas : Ouvre Platform dans un navigateur sur l'ordinateur connecté. Les prévisualisations de datasets proviennent directement de cet ordinateur.

Voir aussi Datasets, Annotation et Entraînement.