Passer au contenu

Modèles

Ultralytics offre une gestion complète des modèles pour la formation, l'analyse et le déploiement YOLO . Téléchargez des modèles préformés ou formez-en de nouveaux directement sur la plateforme.

Télécharger le modèle

Télécharger les poids des modèles existants sur la plateforme :

  1. Accédez à votre projet
  2. Cliquez sur « Télécharger le modèle ».
  3. Sélectionnez votre .pt fichier
  4. Ajouter le nom et la description
  5. Cliquez sur Télécharger

Formats de modèles pris en charge :

FormatExtensionDescription
PyTorch.ptUltralytics natif Ultralytics

Après le téléchargement, la plateforme analyse les métadonnées du modèle :

  • Type de tâche (detect, segment, pose, OBB, classify)
  • Architecture (YOLO11n, YOLO11s, etc.)
  • Noms et nombre de classes
  • Taille et paramètres d'entrée

Entraîner le modèle

Entraînez un nouveau modèle directement sur la plateforme :

  1. Accédez à votre projet
  2. Cliquez sur Modèle de train
  3. Sélectionner l'ensemble de données
  4. Choisissez le modèle de base
  5. Configurer les paramètres d'entraînement
  6. Commencer l'entraînement

Consultez la formation sur le cloud pour obtenir des instructions détaillées.

Aperçu du modèle

Chaque page de modèle affiche :

SectionContenu
AperçuMétadonnées du modèle, type de tâche, architecture
MétriquesGraphiques des pertes d'entraînement et des performances
ParcellesMatrice de confusion, courbes PR, courbes F1
TestTest d'inférence interactif
DéployerCréation et gestion des terminaux
ExporterConversion de format et téléchargement

Indicateurs de formation

Consultez les indicateurs de formation en temps réel et historiques :

Courbes de perte

PerteDescription
BoîtePerte de régression de la boîte englobante
ClassePerte de classification
DFLPerte focale de distribution

Mesures de performance

MétriqueDescription
mAP50Précision moyenne à IoU ,50
mAP50Précision moyenne à IoU ,50-0,95
PrécisionRatio de prédictions positives correctes
RappelRatio des positifs réels identifiés

Graphiques de validation

Une fois la formation terminée, consultez l'analyse de validation détaillée :

Matrice de confusion

Carte thermique interactive indiquant la précision des prédictions par classe :

Courbes PR/F1

Courbes de performance à différents seuils de confiance :

CourbeDescription
Précision-RappelCompromis entre précision et rappel
F1-ConfianceScore F1 à différents niveaux de confiance
Précision-ConfiancePrécision à différents niveaux de confiance
Confiance en matière de rappelRappel à différents niveaux de confiance

Modèle d'exportation

Exportez votre modèle vers 17 formats de déploiement :

  1. Accédez à l'onglet Exporter.
  2. Sélectionnez le format cible
  3. Cliquez sur Exporter
  4. Télécharger une fois terminé

Formats pris en charge

FormatDescriptionCas d'utilisation
ONNXÉchange ouvert de réseaux neuronauxDéploiement multiplateforme
TorchScriptPyTorch sérialiséPyTorch
OpenVINOIntelIntel
TensorRTNVIDIANVIDIA
CoreMLOptimisation AppleiOS
TFLiteTensorFlow LiteMobile/intégré
TF SavedModelTensorFlowTensorFlow
TF GraphDefTensorFlowAncien TensorFlow
PaddlePaddleCadre BaiduPaddlePaddle
NCNNInférence mobileAndroid
TPU périphériqueGoogle TPUDispositifs Coral
TF.jsTensorFlow.jsDéploiement du navigateur
MNNCadre AlibabaOptimisation mobile
RKNNNPU RockchipAppareils Rockchip
IMXNXP i.MXPlateformes NXP
AxeleraMetis IAAccélérateurs Edge AI
ExecuTorchCadre métaPlateformes méta

Heure d'exportation

Le temps d'exportation varie selon le format. TensorRT peuvent prendre plusieurs minutes en raison de l'optimisation du moteur.

Liaison des ensembles de données

Les modèles peuvent être liés à leur ensemble de données source :

  • Voir quel ensemble de données a été utilisé pour l'entraînement
  • Accéder à l'ensemble de données depuis la page du modèle
  • Suivre la traçabilité des données

Lorsque vous vous entraînez avec des ensembles de données Platform à l'aide du ul:// Format URI, la liaison est automatique.

Paramètres de visibilité

Contrôlez qui peut voir votre modèle :

ParamètreDescription
PrivéVous seul pouvez accéder à
PublicTout le monde peut consulter la page Explorer.

Pour modifier la visibilité :

  1. Ouvrir le menu Actions du modèle
  2. Cliquez sur Modifier
  3. Activer/désactiver l'affichage
  4. Cliquez sur Enregistrer

Supprimer le modèle

Supprimez un modèle dont vous n'avez plus besoin :

  1. Ouvrir le menu Actions du modèle
  2. Cliquez sur Supprimer
  3. Confirmer la suppression

Supprimer et restaurer

Les modèles supprimés sont placés dans la corbeille pendant 30 jours. Restaurez-les à partir de Paramètres > Corbeille.

FAQ

Quelles architectures de modèles sont prises en charge ?

Ultralytics prend en charge toutes YOLO :

  • YOLO11: variantes n, s, m, l, x
  • YOLO26: dernière génération (lorsqu'elle est disponible)
  • YOLOv10: Prise en charge héritée
  • YOLOv8: Prise en charge héritée
  • YOLOv5: Prise en charge héritée

Puis-je télécharger mon modèle entraîné ?

Oui, téléchargez les poids de votre modèle depuis la page du modèle :

  1. Cliquez sur l'icône de téléchargement.
  2. Sélectionner le format (original) .pt ou exporté)
  3. Le téléchargement démarre automatiquement.

Comment comparer les modèles entre différents projets ?

Actuellement, la comparaison des modèles se fait au sein des projets. Pour comparer entre les projets :

  1. Transférer les modèles vers un seul projet, ou
  2. Exporter les mesures et les comparer en externe

Quelle est la taille maximale du modèle ?

Il n'y a pas de limite stricte, mais les modèles très volumineux (> 2 Go) peuvent nécessiter des temps de téléchargement et de traitement plus longs.

Puis-je affiner les modèles pré-entraînés ?

Oui ! Téléchargez un modèle pré-entraîné, puis commencez l'entraînement à partir de ce point de contrôle avec votre ensemble de données. La plateforme utilise automatiquement le modèle téléchargé comme point de départ.



📅 Créé il y a 0 jour ✏️ Mis à jour il y a 0 jour
glenn-jocher

Commentaires