Démarrage rapide de la plateforme Ultralytics

Ultralytics Platform est conçue pour être conviviale et intuitive, permettant aux utilisateurs de télécharger rapidement leurs jeux de données et d'entraîner de nouveaux modèles YOLO. Elle offre une gamme de modèles pré-entraînés, facilitant ainsi le démarrage pour les utilisateurs. Une fois un modèle entraîné, il peut être testé directement dans le navigateur et déployé en production en un seul clic.

journey
    title Your First Model in 5 Minutes
    section Sign Up
      Create account: 5: User
      Select region: 5: User
    section Prepare Data
      Upload dataset: 5: User
      Review images: 4: User
    section Train
      Configure training: 5: User
      Monitor progress: 3: Platform
    section Deploy
      Test model: 5: User
      Deploy endpoint: 5: User

Commencer

Ultralytics propose plusieurs options d'inscription faciles. Vous pouvez vous inscrire et vous connecter à l'aide de vos comptes Google GitHub, ou avec votre adresse e-mail.

Sélection de la région

Lors de l'intégration, vous serez invité à sélectionner votre région de données. La plateforme mesure automatiquement la latence vers chaque région et recommande la plus proche. Il s'agit d'un choix important, car il détermine l'emplacement où vos données, modèles et déploiements seront stockés.

Crédits gratuits

Chaque nouveau compte reçoit des crédits gratuits pour GPU dans le cloud :

Complétez votre profil

Avant de sélectionner votre région, vous devrez compléter votre profil en indiquant un nom d'affichage, un nom d'utilisateur, le nom de votre entreprise (facultatif) et votre utilisation principale. Le processus d'intégration comprend trois étapes : profil, région de données et finalisation.

Tableau de bord d'accueil

Une fois connecté, vous serez redirigé vers la page d'accueil de Ultralytics , qui affiche une carte de bienvenue avec les statistiques de l'espace de travail, un accès rapide aux ensembles de données, aux projets et au stockage, ainsi qu'un flux des activités récentes.

Navigation dans la barre latérale

La barre latérale donne accès à toutes les sections de la plateforme :

Carte de bienvenue

La carte de bienvenue affiche votre profil, votre badge de forfait et les statistiques de votre espace de travail en un coup d'œil :

Actions rapides

Sous la carte de bienvenue, le tableau de bord affiche trois cartes :

• Ensembles de données: créez un nouvel ensemble de données ou déposez des images, des vidéos ou des fichiers ZIP à télécharger. Affiche vos ensembles de données récents.
• Projets: Créer un nouveau projet ou déposer .pt Fichiers modèles à télécharger. Affiche vos projets récents.
• Stockage: aperçu de votre utilisation du stockage (ensembles de données, modèles, exportations) avec les limites du forfait.

Un tableau « Activité récente » situé en bas de page affiche vos derniers ensembles de données, modèles et exécutions de formation.

Téléchargez votre premier jeu de données

Accéder à Annotate dans la barre latérale et cliquez sur New Dataset pour ajouter vos données d'entraînement. Vous pouvez également glisser-déposer des fichiers directement sur la carte Datasets (Ensembles de données) du tableau de bord Accueil.

Ultralytics prend en charge plusieurs formats de téléchargement (détails complets dans la section Ensembles de données) :

graph LR
    A[Drop Files] --> B[Auto-Package ZIP]
    B --> C[Upload to Storage]
    C --> D[Backend Worker]
    D --> E[Resize & Thumbnail]
    E --> F[Parse Labels]
    F --> G[Compute Statistics]
    G --> H[Dataset Ready]

Après le téléchargement, la plateforme traite automatiquement vos données :

1. Les images dont la taille dépasse 4096 pixels sont redimensionnées (en conservant leur rapport hauteur/largeur).
2. Des vignettes de 256 pixels sont générées pour une navigation rapide.
3. Les étiquettes sont analysées et validées (YOLO .txt format)
4. Les statistiques sont calculées (répartition par classe, cartes thermiques, dimensions).

my-dataset.zip
├── data.yaml          # Class names and splits
├── train/
│   ├── images/
│   │   ├── img001.jpg
│   │   └── img002.jpg
│   └── labels/
│       ├── img001.txt
│       └── img002.txt
└── val/
    ├── images/
    └── labels/

En savoir plus sur les ensembles de données et les formats pris en charge pour la detect, segment, pose, OBB et classify.

Créez votre premier projet

Les projets vous aident à organiser les modèles et les expériences connexes. Accédez à la section Projets et cliquez sur "Create Project".

Saisissez un nom et une description facultative pour votre projet. Les projets contiennent :

• Modèles : Points de contrôle entraînés
• Journal d'activité : Historique des modifications

En savoir plus sur les projets.

Entraînez votre premier modèle

Dans votre projet, cliquez sur Train Model pour commencer la formation sur le cloud.

Configuration de l'entraînement

1. Sélectionner l'ensemble de données: Choisissez parmi vos ensembles de données téléchargés (uniquement les ensembles de données avec un train fendre sont affichés)
2. Choisissez un modèle: sélectionnez un modèle de base — Ultralytics officiels Ultralytics ou vos propres modèles entraînés.
3. Définir les époques: nombre d'itérations d'entraînement (valeur par défaut : 100)
4. Sélectionnez GPU: choisissez les ressources de calcul en fonction de votre budget et de la taille du modèle.

Surveiller l'entraînement

Une fois la formation commencée, vous pouvez suivre les progrès en temps réel grâce à trois sous-onglets :

Les métriques sont transmises en temps réel via SSE (Server-Sent Events). Une fois la formation terminée, des graphiques de validation sont générés, notamment une matrice de confusion, des courbes PR et des courbes F1.

En savoir plus sur l'entraînement dans le cloud.

Testez votre modèle

Une fois l'entraînement terminé, testez votre modèle directement dans le navigateur :

1. Accédez au modèle de votre modèle. Predict onglet
2. Téléchargez une image, glissez-déposez ou utilisez des images d'exemple (détection automatique au dépôt).
3. Afficher les résultats d'inférence avec des cadres de sélection rendus sur le canevas

Ajustez les paramètres d'inférence :

L'argument Predict L'onglet fournit des exemples de code prêts à l'emploi avec votre clé API réelle préremplie :

import requests

url = "https://platform.ultralytics.com/api/models/{model_id}/predict"
headers = {"Authorization": "Bearer your_api_key"}

with open("image.jpg", "rb") as f:
    response = requests.post(url, headers=headers, files={"file": f})

print(response.json())

curl -X POST "https://platform.ultralytics.com/api/models/{model_id}/predict" \
  -H "Authorization: Bearer your_api_key" \
  -F "file=@image.jpg"

En savoir plus sur l'inférence.

Déployer en production

Déployez votre modèle sur un point de terminaison dédié pour une utilisation en production :

1. Accédez au modèle de votre modèle. Deploy onglet
2. Sélectionnez une région sur la carte interactive du monde (43 régions disponibles)
3. The map shows real-time latency measurements with traffic light colors (green < 100ms, yellow < 200ms, red > 200ms)
4. Cliquez Deploy pour créer votre point de terminaison

graph LR
    A[Select Region] --> B[Deploy]
    B --> C[Provisioning ~1 min]
    C --> D[Running]
    D --> E{Lifecycle}
    E --> F[Stop]
    E --> G[Delete]
    F --> H[Resume]
    H --> D

Votre point de terminaison sera prêt dans environ une minute avec :

• URL unique : Point de terminaison HTTPS pour les appels d'API
• Mise à l'échelle automatique : S'adapte automatiquement au trafic
• Surveillance : Métriques de requêtes et journaux

Après le déploiement, vous pouvez gérer tous vos terminaux à partir du Deploy section dans la barre latérale, qui affiche une carte mondiale avec les déploiements actifs, les métriques générales et une liste de tous les points de terminaison.

En savoir plus sur les points de terminaison.

Formation à distance (facultative)

Si vous préférez vous entraîner sur votre propre matériel, vous pouvez transmettre les métriques à la plateforme à l'aide de votre clé API. Cela fonctionne comme Weights & Biases entraînez-vous où vous voulez, surveillez vos progrès sur la plateforme.

1. Générer une clé API dans Settings > Profile (Section Clés API)
2. Définissez la variable d'environnement et entraînez-vous avec un project/name format :

export ULTRALYTICS_API_KEY="ul_your_api_key_here"

yolo train model=yolo26n.pt data=coco.yaml epochs=100 project=username/my-project name=exp1

En savoir plus sur les clés API, les URI de jeux de données et la formation à distance.

Commentaires

Votre avis nous est précieux ! Utilisez le bouton de feedback pour nous aider à améliorer la plateforme.

Besoin d'aide ?

Si vous rencontrez des problèmes ou avez des questions :

• Documentation : Consultez cette documentation pour des guides détaillés
• Discord : Rejoignez notre communauté Discord pour les discussions
• GitHub : Signalez les problèmes sur GitHub

📅 Créé il y a 1 mois ✏️ Mis à jour il y a 5 jours

Commentaires