On Premise#

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

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

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 codificare informazioni apprese dalle tue immagini. Solo i pixel del dataset hanno il rigoroso limite di permanenza locale. La predizione cloud elabora solo le immagini che invii separatamente a quel workflow cloud; il worker non inoltra mai un'immagine dal tuo dataset montato.

Prima di iniziare#

Scegli un computer che possa raggiungere i tuoi set di dati e rimanga acceso mentre Platform li sta utilizzando:

Una GPU è opzionale. Ogni computer può ingerire dataset e addestrare modelli sulla propria CPU. Una GPU NVIDIA compatibile può accelerare i lavori di addestramento più grandi.

Connetti il tuo computer#

1. Apri Ultralytics Platform sul computer in grado di accedere ai tuoi dataset.
2. Vai su Settings > Integrations e seleziona On Premise dall'elenco delle integrazioni.
3. Controlla i percorsi precompilati Dataset folder on this machine e Models folder on this machine.
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 delle integrazioni finché l'indicatore di avanzamento non mostra Connected.

La pagina traccia i sei passaggi di configurazione in tempo reale — l'esecuzione del comando, il download dei file del worker, il download dell'immagine Docker, la compilazione del worker, il suo avvio e la conferma della connessione — così puoi monitorare i progressi senza leggere il terminale. La connessione di un host richiede il ruolo di editor dello spazio di lavoro e un piano Enterprise attivo; gli spazi di lavoro con un altro piano visualizzano un pulsante Continua che richiede una procedura guidata di On Premise invece di un comando di installazione.

La Platform compila le cartelle e il token di connessione una tantum prima che tu copi il comando. Il comando generato segue il formato sottostante:

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

Le impostazioni predefinite funzionano senza modifiche:

Il comando di configurazione crea queste cartelle, installa e avvia Docker quando necessario e configura la connessione per riavviarsi con il tuo computer. Il tuo sistema operativo potrebbe chiederti di approvare l'installazione o riavviare prima che la configurazione possa terminare.

Immagini di base Docker#

L'installatore esegue un contenitore e seleziona la official Ultralytics base image per l'host:

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

Aggiungi un dataset#

1. Metti il tuo dataset all'interno della cartella dataset configurata.
2. Nella piattaforma, seleziona New Dataset > On Premise.
3. Scegli il computer connesso.
4. Vai alla cartella del dataset, scegli il task e seleziona Crea.

La Platform indicizza il dataset localmente e lo apre nella stessa galleria utilizzata per i dataset caricati e nel cloud. Puoi visualizzare in anteprima le immagini, ispezionare le etichette, filtrare il dataset e annotare senza caricare i pixel.

Dati supportati#

On Premise supporta gli stessi formati di ingestione 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
• Attività di rilevamento, segmentazione, semantica, classificazione, stima della posta e riquadro di delimitazione orientato (OBB)

Platform riconosce automaticamente layout di set di dati, classi, etichette e suddivisioni di addestramento/validazione/test comuni. La cartella del set di dati viene montata in sola lettura, quindi Platform non ridimensiona, ricodifica, modifica o elimina mai i tuoi file sorgente. Qualsiasi elemento derivato durante l'acquisizione — archivi estratti, asset NDJSON scaricati e fotogrammi video — viene scritto in un volume Docker privato sullo stesso computer.

Anteprima e annotazione#

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

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

Addestra un modello#

Inizia l'addestramento tramite la normale finestra di dialogo di addestramento della Platform:

1. Apri un progetto e seleziona New Model.
2. Scegli il dataset On Premise.
3. Seleziona un modello e le impostazioni di addestramento.
4. Avvia l'addestramento.

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

I file di addestramento vengono scritti nella cartella dei modelli configurata mentre il run è attivo. Il pacchetto Ultralytics utilizza gli stessi callback di remote-training di qualsiasi macchina gestita dal cliente: il progresso e le metriche vengono trasmessi a Platform, il miglior checkpoint viene caricato nello storage di Platform e il modello completato funziona con i percorsi esistenti di download, predizione, esportazione e deployment. Altri artefatti di addestramento rimangono nella tua cartella dei modelli. L'addestramento On Premise non utilizza crediti di calcolo di Platform e Platform non invia mai il job di addestramento al calcolo cloud.

Gestisci la connessione#

Apri Settings > Integrations per visualizzare ogni computer connesso, il suo nome host e hardware, e se CPU e GPU sono attualmente online. L'host invia report continuamente, quindi un computer spento o che perde la connettività viene visualizzato come offline e i suoi set di dati diventano temporaneamente non disponibili anziché passare al cloud computing.

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

Disconnetti revoca immediatamente l'accesso a quell'host. I processi in coda, in fase di avvio e in esecuzione ad esso associati vengono annullati, compreso l'addestramento in corso, e un set di dati la cui importazione era ancora in corso fallisce con On Premise host disconnected during ingest. I set di dati la cui importazione è terminata mantengono le loro classi, etichette e annotazioni ma non possono essere visualizzati in anteprima o utilizzati per l'addestramento finché non ti riconnetti. Nulla viene eliminato dal computer e i modelli già caricati su Platform rimangono disponibili.

Limitazioni attuali#

• Nessuna scansione. Un set di dati viene indicizzato una volta quando lo crei. Se i file sorgente cambiano in seguito, Platform non se ne accorge: crea un nuovo set di dati per recepire le modifiche.
• Le funzionalità di copia di Platform non sono disponibili. I set di dati On Premise escludono le funzionalità che richiedono copie delle tue immagini di proprietà di Platform: annotazione automatica, analisi di clustering, clonazione del set di dati e istantanee di versione immutabili.
• L'addestramento non si sposta. Se il processo del worker si ferma a metà esecuzione, l'esecuzione fallisce anziché riavviarsi altrove.
• I file dei modelli rimangono sull'host. Eliminare o spostare nel cestino un modello in Platform lo rimuove da Platform, non dalla tua cartella dei modelli: pulisci tu stesso quella cartella quando un'esecuzione non è più necessaria.

L'eliminazione di un set di dati On Premise, o di singoli immagini da esso, rimuove solo i riferimenti e le annotazioni di Platform. I tuoi file non vengono mai toccati.

Se la configurazione non termina#

• Docker richiede il permesso: Approva il prompt e attendi l'avvio di Docker. La configurazione continua automaticamente.
• Windows chiede il 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, riesegui un comando appena generato e mantieni 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 del dataset provengono direttamente da quel computer.
• Ti servono i log del worker: Il programma di installazione scrive su /opt/ultralytics-worker su Linux e ~/.ultralytics/worker su macOS e Windows. Esegui docker compose logs -f da quella cartella per seguire il worker.

Consulta anche Datasets, Annotation e Training.