Integrazione con Azure Blob Storage#

L'integrazione con Azure Blob Storage collega i container del tuo account di archiviazione a Ultralytics Platform. Le tue immagini rimangono nei tuoi container: Platform le indicizza direttamente, così puoi esplorarle, annotarle e addestrare modelli YOLO senza caricarne una copia.

Ottieni una stringa di connessione#

Platform legge esclusivamente dal tuo spazio di archiviazione: non scrive, modifica né elimina mai i tuoi blob. L'integrazione attuale richiede una stringa di connessione con chiave di accesso dell'account, che concede privilegi sull'intero account anche se Platform utilizza solo operazioni di elenco e lettura:

1. Nel portale Azure, apri il tuo account di archiviazione.
2. Vai a Sicurezza e rete > Chiavi di accesso.
3. Copia una stringa di connessione.

La stringa deve contenere AccountName, AccountKey e HTTPS come protocollo, nel formato fornito da Azure sotto Chiavi di accesso. Le stringhe di connessione con token SAS, che contengono SharedAccessSignature invece di AccountKey, vengono rifiutate.

Connettiti a Platform#

1. Vai a Impostazioni > Integrazioni e seleziona Azure Blob Storage dall'elenco delle integrazioni.
2. Incolla la stringa di connessione.
3. Fai clic su Trova container disponibili, quindi seleziona i container da connettere. Puoi anche inserire manualmente il nome di un container .
4. Fai clic su Connetti. Platform verifica di poter elencare e leggere ogni container selezionato prima di salvare qualsiasi dato.

Per connettere lo spazio di archiviazione cloud devi avere il ruolo di amministratore o proprietario dello spazio di lavoro. Una connessione supporta fino a 50 container e il rilevamento elenca fino a 300 container nell'account di archiviazione.

Riconnettendo in seguito lo stesso account di archiviazione, vengono aggiunti nuovi container all'integrazione esistente. Una credenziale salvata viene sostituita solo dopo aver verificato che la sostituzione possa ancora leggere ogni container già connesso.

Crea un dataset da un container Blob#

1. Fai clic su New Dataset e apri la scheda Cloud.
2. Seleziona un container connesso e vai alla cartella contenente i tuoi dati.
3. Conferma la cartella, modifica il nome del dataset se necessario e crea il dataset.

Platform elenca la cartella una volta e indicizza ciò che trova:

• Immagini — I blob .jpg, .jpeg, .png, .webp e .avif vengono indicizzati con dimensioni lette tramite richieste con limiti. Platform non conserva una seconda copia dell'immagine di origine.
• Etichette — I file associati YOLO .txt vengono analizzati nelle annotazioni di Platform e associati secondo la struttura standard images/ → labels/ o come elementi adiacenti nella stessa cartella.
• Metadati — Un file YAML fornisce i nomi delle classi e la struttura dei keypoint della posa, esattamente come un caricamento di archivio. data.yaml e data.yml hanno la precedenza quando la cartella ne contiene diversi.
• Attività — Un campione dei file delle etichette determina l'attività, quindi le cartelle di segmentazione, posa e OBB vengono riconosciute dalla struttura delle etichette anziché dall'attività scelta nella finestra di dialogo.
• Suddivisioni — I nomi delle cartelle train, val e test nel percorso del blob assegnano automaticamente le suddivisioni.

Il dataset si comporta quindi come qualsiasi altro: puoi esplorarlo e annotarlo, renderlo pubblico o privato, condividerlo con il tuo team e addestrare modelli su di esso tramite l'addestramento gestito. Gli originali vengono trasmessi su richiesta e le immagini indicizzate non consumano la tua quota di archiviazione di Platform.

Importazioni non riuscite#

Se un'importazione non riesce — a causa di una cartella vuota, di un errore nel percorso o di autorizzazioni revocate — il dataset mostra l'errore nella relativa pagina. Gli editor possono fare clic su Riprova importazione per riavviarla utilizzando il container e la cartella salvati, oppure creare un nuovo dataset che punti al percorso corretto.

Un nuovo tentativo elenca nuovamente la cartella invece di riprendere l'operazione: i blob aggiunti dopo il primo tentativo vengono inclusi e quelli non più presenti vengono rimossi dal dataset.

Addestramento#

L'addestramento gestito funziona tramite il normale flusso di addestramento. Durante l'esecuzione, l'addestramento utilizza copie proprie di Platform delle immagini associate e le tue credenziali Azure non vengono mai esposte ai carichi di lavoro di addestramento.

Disconnetti una connessione#

La disconnessione elimina la stringa di connessione salvata senza modificare nulla in Azure. I dataset creati da quei container rimangono nel tuo spazio di lavoro con le relative classi, etichette e annotazioni, ma le immagini non possono essere caricate, visualizzate in anteprima o utilizzate per l'addestramento finché lo stesso account di archiviazione non viene connesso nuovamente.

Usa la REST API con l'ID dell'integrazione restituito da GET /api/integrations/buckets:

curl -X DELETE \
  -H "Authorization: Bearer YOUR_API_KEY" \
  https://platform.ultralytics.com/api/integrations/buckets/INTEGRATION_ID

from ultralytics_platform import Platform

client = Platform()  # reads ULTRALYTICS_API_KEY
integrations = client.storage_integrations.list()
client.storage_integrations.delete("INTEGRATION_ID")

Per revocare invece l'accesso alla fonte, ruota le chiavi di accesso dell'account di archiviazione in Azure.

Limitazioni attuali#

I dataset basati su Azure attualmente non includono le funzionalità che richiedono copie delle immagini di proprietà di Platform: annotazione automatica, analisi del clustering, clonazione dei dataset e snapshot di versione immutabili.

L'eliminazione di un dataset basato su Azure, o di singole immagini al suo interno, rimuove solo i riferimenti di Platform: i tuoi blob non vengono mai modificati.

Consulta anche le integrazioni Google Cloud Storage e Amazon S3.

FAQ#