On Premise#

On Premise consente al tuo workspace Enterprise di utilizzare dataset e risorse di calcolo su un computer Linux, macOS o Windows. Le immagini e i video originali rimangono sul tuo computer. Il training si comporta come in qualsiasi altra posizione di training remoto: le metriche vengono trasmesse a Platform e i pesi del modello completato vengono caricati per il download, la predizione, l'esportazione e il deployment.

La configurazione richiede un solo comando. Platform rileva il tuo sistema operativo, compila posizioni sensate per le cartelle, installa Docker se necessario e mostra in tempo reale l'avanzamento della connessione.

Come funziona#

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)]

Confini dei dati#

I pesi del modello, le etichette, le annotazioni e le metriche possono contenere informazioni apprese dalle tue immagini. Solo i pixel del dataset sono soggetti al rigoroso vincolo di rimanere locali. La predizione cloud elabora solo le immagini che invii separatamente a quel flusso di lavoro cloud; il worker non inoltra mai un'immagine dal tuo dataset montato.

Prima di iniziare#

Scegli un computer che possa raggiungere i tuoi dataset e rimanere acceso mentre Platform li utilizza:

Una GPU è opzionale. Ogni computer può acquisire dataset ed eseguire il training dei modelli sulla propria CPU. Una GPU NVIDIA compatibile può accelerare i job di training più grandi.

Connetti il tuo computer#

1. Apri Ultralytics Platform sul computer che può accedere ai tuoi dataset.
2. Vai a Settings > Integrations e seleziona On Premise dall'elenco delle integrazioni.
3. Controlla i percorsi precompilati Cartella del dataset su questo computer e Cartella dei modelli su questo computer.
4. Seleziona Crea comando di installazione.
5. Apri il terminale indicato nella finestra di dialogo, copia il comando, incollalo e premi Invio.
6. Tieni aperta la pagina Integrazioni finché l'indicatore di avanzamento non mostra Connesso.

La pagina monitora in tempo reale i sei passaggi della configurazione — esecuzione del comando, download dei file del worker, download dell'immagine Docker, compilazione del worker, avvio e conferma della connessione — così puoi controllare l'avanzamento senza leggere il terminale. Per connettere un host sono necessari il ruolo di editor del workspace e un piano Enterprise attivo; i workspace con un altro piano vedono un pulsante Continua che richiede una procedura guidata On Premise invece di un comando di installazione.

Platform compila le cartelle e il token di connessione monouso prima che tu copi il comando. Il comando generato segue il formato seguente:

curl -fsSL 'https://platform.ultralytics.com/api/workers/install?os=linux' \
  | sudo sh -s -- \
    "/datasets" \
    "/models" \
    "YOUR_CONNECTION_TOKEN"

I valori predefiniti funzionano senza modifiche:

Il comando di configurazione crea queste cartelle, installa e avvia Docker quando necessario e configura la connessione affinché venga riavviata insieme al computer. Il sistema operativo potrebbe chiederti di approvare l'installazione o il riavvio prima che la configurazione possa terminare.

Immagini di base Docker#

Il programma di installazione esegue un container e seleziona l'immagine di base ufficiale di Ultralytics per l'host:

Il programma di installazione seleziona un'immagine ufficiale con versione bloccata per l'host. Il worker aggiunge le proprie dipendenze di connettività senza reinstallare Ultralytics. Rileva CUDA durante la configurazione, quindi un host NVIDIA esegue comunque un solo container anziché worker separati per CPU e GPU. I servizi cloud di Platform gestiscono la predizione e l'esportazione del modello dopo il caricamento del checkpoint migliore.

Aggiungi un dataset#

1. Inserisci il tuo dataset nella cartella dei dataset configurata.
2. In Platform, seleziona Nuovo dataset > On Premise.
3. Scegli il computer connesso.
4. Individua la cartella del dataset, scegli il task e seleziona Crea.

Platform indicizza il dataset localmente e lo apre nella stessa galleria utilizzata per i dataset caricati e quelli nell'archiviazione cloud. Puoi visualizzare in anteprima le immagini, esaminare le etichette, filtrare il dataset e annotare senza caricare i pixel.

Dati supportati#

On Premise supporta gli stessi formati di acquisizione e task di computer vision dei dati caricati:

• Immagini e video
• Archivi ZIP, TAR, TAR.GZ e TGZ
• Ultralytics NDJSON e COCO JSON
• Dataset YOLO e cartelle di classificazione
• Task di rilevamento, segmentazione, segmentazione semantica, classificazione, posa e bounding box orientato (OBB)

Platform riconosce automaticamente i layout comuni dei dataset, le classi, le etichette e le suddivisioni train/validation/test. La cartella del dataset è montata in sola lettura, quindi Platform non ridimensiona, ricodifica, modifica o elimina mai i tuoi file originali. Tutto ciò che viene derivato durante l'acquisizione — archivi estratti, risorse NDJSON scaricate e fotogrammi video — viene scritto in un volume Docker privato sullo stesso computer.

Visualizza in anteprima e annota#

Quando apri un'immagine, il browser la carica direttamente dal computer connesso. Non sono necessarie configurazioni di certificati, hostname, VPN o anteprima.

Le annotazioni e l'organizzazione del dataset vengono salvate nel tuo workspace Platform, ma le modifiche apportate in Platform non cambiano mai i file immagine o delle etichette originali.

Esegui il training di un modello#

Avvia il training tramite la normale finestra di dialogo del training di Platform:

1. Apri un progetto e seleziona Nuovo modello.
2. Scegli il dataset On Premise.
3. Seleziona un modello e le impostazioni di training.
4. Avvia il training.

Platform esegue il job sul computer connesso. Utilizza una GPU NVIDIA disponibile o passa automaticamente alla CPU, quindi un Mac può eseguire il training di un modello piccolo come YOLO26n su COCO8 senza hardware GPU dedicato.

I file del training vengono scritti nella cartella dei modelli configurata mentre l'esecuzione è attiva. Il pacchetto Ultralytics utilizza gli stessi callback del training remoto di qualsiasi macchina gestita dal cliente: l'avanzamento e le metriche vengono trasmessi a Platform, il checkpoint migliore viene caricato nell'archiviazione di Platform e il modello completato funziona con i percorsi esistenti di download, predizione, esportazione e deployment. Gli altri artefatti del training rimangono nella cartella dei modelli. Il training On Premise non utilizza crediti di calcolo di Platform e Platform non invia mai il job di training al calcolo cloud.

Gestisci la connessione#

Apri Settings > Integrations per visualizzare ogni computer connesso, il relativo hostname e hardware e se la CPU e la GPU sono attualmente online. L'host invia continuamente il proprio stato, quindi un computer spento o che perde la connettività viene mostrato come offline e i relativi dataset diventano temporaneamente non disponibili invece di passare al calcolo cloud.

Riconnetti emette un nuovo comando di installazione per un host che avevi precedentemente disconnesso. Riutilizza lo stesso record dell'host, quindi i dataset esistenti riprendono a funzionare senza essere reimportati.

Disconnetti revoca immediatamente l'accesso dell'host. I job accodati, in avvio o in esecuzione associati a esso vengono annullati, incluso il training in corso, e un dataset che era ancora in fase di importazione non va a buon fine con On Premise host disconnected during ingest. I dataset che hanno terminato l'importazione conservano classi, etichette e annotazioni, ma non possono essere visualizzati in anteprima o utilizzati per il training finché non ti riconnetti. Nulla viene eliminato dal computer e i modelli già caricati su Platform rimangono disponibili.

Limitazioni attuali#

• Nessuna nuova scansione. Un dataset viene indicizzato una sola volta quando lo crei. Se in seguito i file originali cambiano, Platform non lo rileva: crea un nuovo dataset per acquisire le modifiche.
• Le funzionalità che copiano i dati su Platform non sono disponibili. I dataset On Premise escludono le funzionalità che richiedono copie delle immagini di proprietà di Platform: annotazione automatica, analisi del clustering, clonazione del dataset e snapshot di versione immutabili.
• Il training non viene spostato. Se il processo del worker si interrompe durante l'esecuzione, l'esecuzione non va a buon fine invece di essere riavviata altrove.
• I file del modello rimangono sull'host. Eliminare o spostare nel cestino un modello in Platform lo rimuove da Platform, non dalla cartella dei modelli: occupati tu della pulizia di quella cartella quando un'esecuzione non è più necessaria.

L'eliminazione di un dataset On Premise, o di singole immagini al suo interno, rimuove solo i riferimenti e le annotazioni di Platform. I tuoi file non vengono mai modificati.

Se la configurazione non termina#

• Docker richiede l'autorizzazione: approva la richiesta e attendi l'avvio di Docker. La configurazione continua automaticamente.
• Windows richiede un riavvio: riavvia il computer, torna a Settings > Integrations e crea un nuovo comando di installazione.
• Il comando di configurazione è scaduto: crea un nuovo comando di installazione. Ogni comando è temporaneo e funziona una sola volta.
• La connessione rimane offline: apri Docker Desktop, esegui nuovamente un comando appena generato e tieni aperto il terminale finché non segnala che On Premise è in esecuzione.
• Le anteprime non vengono caricate: apri Platform in un browser sul computer connesso. Le anteprime dei dataset provengono direttamente da quel computer.
• Ti servono i log del worker: il programma di installazione scrive in /opt/ultralytics-worker su Linux e in ~/.ultralytics/worker su macOS e Windows. Esegui docker compose logs -f da quella cartella per seguire il worker.

Vedi anche Dataset, Annotazione e Training.

FAQ#