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 source restent sur ton ordinateur. L'entraînement se comporte comme n'importe quel autre emplacement d'entraînement à distance : les métriques sont diffusées en flux vers Platform et les poids du modèle entraîné sont téléchargés pour 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 qui peut accéder à tes jeux de données et rester allumé pendant que Platform les utilise :

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 sur 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 page suit les six étapes de configuration en direct — exécution de la commande, téléchargement des fichiers du worker, téléchargement de l'image Docker, construction du worker, démarrage et confirmation de la connexion — pour que tu puisses surveiller la progression sans lire le terminal. La connexion d'un hôte nécessite le rôle d'éditeur d'espace de travail et un plan Enterprise actif ; les espaces de travail sur un autre plan affichent un bouton Continue qui demande une visite guidée On Premise au lieu d'une commande d'installation.

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, sémantique, classification, pose et boîte englobante orientée (OBB)

Platform reconnaît automatiquement les structures de jeux de données, classes, étiquettes et divisions entraînement/validation/test courantes. Le dossier du jeu de données est monté en lecture seule, de sorte que Platform ne redimensionne, réencode, modifie ou supprime jamais tes fichiers sources. Tout ce qui est dérivé lors de l'ingestion — archives extraites, actifs NDJSON téléchargés et images vidéo — est écrit dans un volume Docker privé sur le même ordinateur.

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 chaque ordinateur connecté, son nom d'hôte et son matériel, et pour savoir si son CPU et son GPU sont actuellement en ligne. L'hôte communique en continu, donc un ordinateur éteint ou qui perd la connectivité apparaît comme hors ligne et ses jeux de données deviennent temporairement indisponibles plutôt que de basculer vers le calcul cloud.

Reconnect émet une nouvelle commande d'installation pour un hôte que tu as précédemment déconnecté. Il réutilise le même enregistrement d'hôte, de sorte que ses jeux de données existants reprennent leur fonctionnement sans être réimportés.

Disconnect révoque immédiatement l'accès de cet hôte. Les tâches en file d'attente, en cours de démarrage et en cours d'exécution qui lui sont liées sont annulées, y compris l'entraînement en cours, et un jeu de données dont l'importation était encore en cours échoue avec On Premise host disconnected during ingest.. Les jeux de données dont l'importation est terminée conservent leurs classes, étiquettes et annotations mais ne peuvent pas être prévisualisés ou utilisés pour l'entraînement tant que tu ne te reconnectes pas. Rien n'est supprimé de l'ordinateur, et les modèles déjà importés sur Platform restent disponibles.

Limitations actuelles#

• Pas de nouvelle analyse. Un jeu de données est indexé une seule fois lorsque tu le crées. Si les fichiers sources changent par la suite, Platform ne le remarque pas — crée un nouveau jeu de données pour prendre en compte les modifications.
• Les fonctionnalités de copie Platform ne sont pas disponibles. Les jeux de données On Premise excluent les fonctionnalités qui nécessitent des copies de tes images appartenant à Platform : annotation automatique, analyse de clustering, clonage de jeux de données et instantanés de version immutables.
• L'entraînement ne se déplace pas. Si le processus du worker s'arrête en cours de route, l'exécution échoue au lieu de redémarrer ailleurs.
• Les fichiers de modèles restent sur l'hôte. Supprimer ou mettre à la corbeille un modèle dans Platform le supprime de Platform, et non de ton dossier de modèles — nettoie toi-même ce dossier lorsqu'une exécution n'est plus nécessaire.

La suppression d'un jeu de données On Premise, ou d'images individuelles de celui-ci, supprime uniquement les références et les annotations de Platform. Tes fichiers ne sont jamais touchés.

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 sur 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.
• Tu as besoin des journaux du worker : L'installateur écrit dans /opt/ultralytics-worker sur Linux et ~/.ultralytics/worker sur macOS et Windows. Exécute docker compose logs -f depuis ce dossier pour suivre le worker.

Consulte également Datasets, Annotation et Training.