Modèles

La Ultralytics Platform offre une gestion complète des modèles pour l'entraînement, l'analyse et le déploiement de modèles YOLO. Téléverse tes modèles pré-entraînés ou entraîne-en de nouveaux directement sur la plateforme.

Téléverser un modèle

Téléverse tes poids de modèle existants sur la plateforme :

1. Navigue vers ton projet
2. Glisse et dépose des fichiers .pt sur la page du projet ou dans la barre latérale des modèles
3. Les métadonnées du modèle sont analysées automatiquement à partir du fichier

Plusieurs fichiers peuvent être téléversés simultanément (jusqu'à 3 en même temps).

Formats de modèles pris en charge :

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

• Type de tâche (detect, segment, pose, OBB, classify)
• Architecture (YOLO26n, YOLO26s, etc.)
• Noms et nombre de classes
• Taille d'entrée et paramètres
• Résultats d'entraînement et métriques (si présents dans le point de contrôle)

Entraîner un modèle

Entraîne un nouveau modèle directement sur la plateforme :

1. Navigue vers ton projet
2. Clique sur Nouveau modèle
3. Sélectionne le modèle de base et le jeu de données
4. Configure les paramètres d'entraînement
5. Choisis l'entraînement dans le cloud ou en local
6. Démarre l'entraînement

Consulte Entraînement dans le cloud pour des instructions détaillées.

Cycle de vie du modèle

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

Onglets de la page Modèle

Chaque page de modèle possède les onglets suivants :

Onglet Vue d'ensemble

Affiche les métadonnées du modèle et les métriques clés :

• Nom du modèle (modifiable), badge de statut, type de tâche
• Métriques finales (mAP50, mAP50-95, précision, rappel)
• Graphiques miniatures (sparklines) des métriques montrant la progression de l'entraînement
• Arguments d'entraînement (époques, taille de lot, taille d'image, etc.)
• Lien vers le jeu de données (lorsqu'il est entraîné avec un jeu de données de la Platform)
• Bouton de téléchargement pour les poids du modèle

Onglet Entraînement

L'onglet Entraînement possède trois sous-onglets :

Sous-onglet Graphiques

Graphiques interactifs des métriques d'entraînement montrant les courbes de perte et les mesures de performance au fil des époques :

Sous-onglet Console

Sortie de console en direct issue du processus d'entraînement :

• Flux de journaux en temps réel pendant l'entraînement
• Barres de progression des époques et résultats de validation
• Détection d'erreurs avec bannières d'erreur surlignées
• Prise en charge des couleurs ANSI pour une sortie formatée

Sous-onglet Système

Métriques GPU et système pendant l'entraînement :

Onglet Prédiction

Exécute une inférence interactive directement dans le navigateur :

• Téléverse une image, utilise des images d'exemple ou utilise la webcam
• Affichage des résultats avec boîtes englobantes, masques ou points clés
• Auto-inférence dès qu'une image est fournie
• Prend en charge tous les types de tâches (detect, segment, pose, OBB, classify)

Onglet Exporter

Exporte ton modèle vers plus de 17 formats de déploiement. Consulte Exporter un modèle ci-dessous et le guide principal Mode Exporter pour tous les détails.

Onglet Déployer

Crée et gère des points de terminaison d'inférence dédiés. Consulte Déploiements pour plus de détails.

Graphiques de validation

Une fois l'entraînement terminé, affiche une analyse de validation détaillée :

Matrice de confusion

Carte thermique interactive montrant la précision des prédictions par classe :

Courbes PR/F1

Courbes de performance à différents seuils de confiance :

Exporter le modèle

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

Exporte ton modèle vers plus de 17 formats de déploiement :

1. Navigue vers l'onglet Exporter
2. Sélectionne le format cible
3. Configure les arguments d'exportation (taille d'image, demi-précision, dynamique, etc.)
4. Pour les formats nécessitant un GPU (TensorRT), sélectionne un type de GPU
5. Clique sur Exporter
6. Télécharge une fois terminé

Formats pris en charge

La plateforme prend en charge l'exportation vers 17+ formats de déploiement : ONNX, TorchScript, OpenVINO, TensorRT, CoreML, TF SavedModel, TF GraphDef, TF Lite, TF Edge TPU, TF.js, PaddlePaddle, NCNN, MNN, RKNN, IMX500, Axelera, et ExecuTorch.

Guide de sélection du format

Prise en charge des puces RKNN

Lors de l'exportation au format RKNN, sélectionne ton appareil Rockchip cible :

Cycle de vie d'une tâche d'exportation

Les tâches d'exportation progressent selon les statuts suivants :

Actions d'exportation groupées

• Tout exporter : Clique sur Export All pour lancer des tâches d'exportation pour tous les formats basés sur CPU avec les paramètres par défaut.
• Supprimer toutes les exportations : Clique sur Delete All pour supprimer toutes les exportations du modèle.

Restrictions de format

Certains formats d'exportation ont des restrictions d'architecture ou de tâche :

Cloner le modèle

Clone un modèle vers un projet différent :

1. Ouvre la page du modèle
2. Clique sur le bouton Clone
3. Sélectionne le projet de destination
4. Clique sur Clone

Le modèle et ses poids sont copiés vers le projet cible.

Télécharger le modèle

Télécharge les poids de ton modèle :

1. Accède à l'onglet Overview du modèle
2. Clique sur le bouton Download
3. Le fichier .pt original se télécharge automatiquement

Les formats exportés peuvent être téléchargés depuis l'onglet Export une fois l'exportation terminée.

Liaison de jeux de données

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

• Voir quel jeu de données a été utilisé pour l'entraînement
• Clique sur la carte du jeu de données dans l'onglet Overview pour y accéder
• Suivre la lignée des données

Lors de l'entraînement avec des jeux de données de la Platform utilisant le format d'URI ul://, la liaison est automatique.

# Train with a Platform dataset — linking is automatic
yolo train model=yolo26n.pt data=ul://username/datasets/my-dataset epochs=100

Paramètres de visibilité

Contrôle qui peut voir ton modèle :

Pour modifier la visibilité, clique sur le badge de visibilité (par ex. private ou public) sur la page du modèle. Le passage en privé prend effet immédiatement. Le passage en public affiche une boîte de dialogue de confirmation avant l'application.

Supprimer le modèle

Supprime un modèle dont tu n'as plus besoin :

1. Ouvre le menu d'actions du modèle
2. Clique sur Delete
3. Confirme la suppression

Voir aussi

• Inference : Teste les modèles dans le navigateur avec l'onglet Predict
• Endpoints : Déploie des modèles en production avec des endpoints dédiés
• Cloud Training : Configure et exécute des tâches d'entraînement sur des GPU cloud
• Export Formats : Guide complet sur les 17+ formats d'exportation

FAQ

Quelles architectures de modèle sont prises en charge ?

La plateforme Ultralytics prend entièrement en charge toutes les architectures YOLO avec des projets dédiés :

• YOLO26 : variantes n, s, m, l, x (dernière version, recommandée) — 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

Toutes les architectures prennent en charge 5 types de tâches : detect, segment, pose, OBB et classify.

Puis-je télécharger mon modèle entraîné ?

Oui, télécharge les poids de ton modèle depuis la page du modèle :

1. Clique sur l'icône de téléchargement dans l'onglet Overview
2. Le fichier .pt original se télécharge automatiquement
3. Les formats exportés peuvent être téléchargés depuis l'onglet Export

Comment comparer des modèles entre différents projets ?

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

1. Clone les modèles dans un seul projet, ou
2. Exporte les métriques et compare-les en externe

Quelle est la taille maximale d'un modèle ?

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

Puis-je effectuer un fine-tuning de modèles pré-entraînés ?

Oui ! Tu peux utiliser n'importe quel modèle officiel YOLO26 comme base, ou sélectionner l'un de tes propres modèles terminés via le sélecteur de modèle dans la boîte de dialogue d'entraînement. La Platform prend en charge le fine-tuning à partir de n'importe quel checkpoint téléchargé.