Link to this sectionOn Premise#

On Premise collega worker CPU ed eventualmente GPU NVIDIA sul tuo host Linux, Apple Silicon macOS o Windows a Ultralytics Platform. La piattaforma rimane il pannello di controllo ospitato per l'interfaccia utente, l'autenticazione, i metadati, le annotazioni e l'orchestrazione dei job, mentre ogni pixel e ogni artefatto del modello addestrato rimane presso la tua sede.

Il tuo host necessita di Docker e di accesso HTTPS in uscita verso la piattaforma. Il programma di installazione aggiunge Docker automaticamente se manca, quindi la configurazione normale richiede un solo comando.

Link to this sectionRequisiti di sistema#

L'acquisizione e l'addestramento su CPU funzionano su tutti e tre i sistemi operativi. Il programma di installazione seleziona l'immagine ufficiale nativa arm64 su Apple Silicon e ARM Linux, così i job piccoli come YOLO26n su COCO8 vengono eseguiti senza emulazione x86. L'accelerazione NVIDIA è opzionale; quando non è disponibile, l'addestramento viene eseguito su CPU.

Link to this sectionConfini dei dati#

Le cartelle dei dataset vengono montate in sola lettura. La piattaforma e i suoi worker ospitati non ricevono mai i pixel sorgente o derivati, e i job On Premise non si appoggiano mai al calcolo di Ultralytics o RunPod.

Link to this sectionConnetti un host#

1. Apri Ultralytics Platform sull'host Linux, Apple Silicon macOS o Windows in grado di accedere ai tuoi dataset.
2. Vai su Settings > Integrations e seleziona Connect sulla scheda On Premise.
3. La piattaforma seleziona il comando rilevato per Linux, macOS o Windows. Apple Silicon è richiesto su macOS. Mantieni i valori precompilati o modificali:
   • Nome macchina: On Premise host
   • Cartella dataset: /datasets su Linux o ~/Ultralytics/datasets su macOS e Windows
   • Cartella modelli: /models su Linux o ~/Ultralytics/models su macOS e Windows
4. Seleziona Create install command. La finestra di dialogo ti indica quale terminale aprire per il sistema operativo selezionato.
5. Copia il comando completo, incollalo nel terminale ed eseguilo. Il comando include il token di iscrizione una tantum, installa e avvia Docker quando necessario e crea le cartelle selezionate.
6. Lascia aperta la finestra di dialogo. La piattaforma controlla ogni 500 millisecondi e mostra l'host come connesso quando il worker CPU si avvia. Un worker GPU si avvia automaticamente quando Docker espone un runtime NVIDIA supportato.

Il token di iscrizione scade dopo 10 minuti e può essere scambiato una sola volta. Il worker installato archivia la chiave del worker revocabile risultante in un file di ambiente con modalità 0600. Non riceve mai le credenziali MongoDB della piattaforma o quelle di archiviazione cloud. Compose riavvia automaticamente i worker e la configurazione imposta Docker per l'avvio all'accensione su Linux o al login su macOS e Windows.

Link to this sectionCrea un dataset On Premise#

1. Inserisci il dataset nella cartella dei dataset connessa. Ad esempio, /datasets/warehouse corrisponde a warehouse all'interno della root predefinita.
2. Nella piattaforma, seleziona New Dataset > On Premise.
3. Esplora l'host connesso con lo stesso browser di cartelle utilizzato per Google Cloud Storage, Amazon S3 e Azure Blob Storage, seleziona una cartella, scegli il task e crea il dataset privato.
4. L'host indicizza il dataset e riporta i metadati. La piattaforma non carica mai le immagini.

On Premise utilizza lo stesso codice di acquisizione CPU dei caricamenti ospitati. Supporta:

• immagini e video singoli;
• archivi ZIP, TAR, TAR.GZ e TGZ;
• Ultralytics NDJSON e COCO JSON;
• dataset YOLO e layout delle cartelle di classificazione; e
• task di detect, segment, pose, OBB e classify, inclusi la mappatura delle classi, l'inferenza del task, la validazione e la gestione dello split.

L'output di archiviazione è l'unica differenza. L'acquisizione ospitata potrebbe ridimensionare o normalizzare le immagini e creare miniature nell'archiviazione della piattaforma. On Premise non ridimensiona, ricodifica, modifica o elimina mai gli originali montati. I contenuti degli archivi, gli asset NDJSON remoti e i fotogrammi video campionati a 1 FPS fino a 100 fotogrammi, poi uniformemente su video più lunghi, vengono scritti solo su un volume Docker dell'host.

Link to this sectionAnteprima e annotazione#

La piattaforma autorizza ogni anteprima, poi il tuo browser carica il file legato alla revisione direttamente da http://localhost:8765 sullo stesso computer. Non sono richiesti hostname, certificato, VPN, proxy o impostazioni di anteprima.

Le annotazioni sono archiviate come metadati della piattaforma. La modifica o l'eliminazione di un'immagine nella piattaforma cambia solo il riferimento e le annotazioni nella piattaforma; non modifica mai il file sorgente o il file collaterale delle etichette.

Link to this sectionAddestra localmente#

Avvia l'addestramento dalla normale finestra di dialogo di addestramento del progetto. Un dataset legato a un host On Premise può essere richiesto solo da quell'host. La piattaforma utilizza il suo worker GPU quando disponibile, altrimenti esegue lo stesso codice di addestramento sul suo worker CPU. L'addestramento legge i file montati, scrive checkpoint e pesi sotto la cartella dei modelli configurata e restituisce lo stato del job, le metriche scalari e il riferimento immutabile del checkpoint alla piattaforma. I download dei modelli utilizzano la stessa connessione localhost firmata delle anteprime, quindi i pesi si spostano direttamente dal tuo host al tuo browser.

L'addestramento On Premise non consuma crediti di calcolo della piattaforma. I worker ospitati da Ultralytics e RunPod non possono richiedere il job o leggere i suoi pixel o artefatti.

Link to this sectionGestisci il worker#

Usa la scheda On Premise in Settings > Integrations per visualizzare la disponibilità di CPU/GPU, riconnettere un host o disconnetterlo. La riconnessione ruota il segreto del worker senza cambiare l'identità esistente del dataset. La disconnessione revoca le richieste future e l'accesso all'anteprima; non elimina dataset, file sorgente, pixel memorizzati nella cache o artefatti del modello dall'host.

Per ispezionare o interrompere l'installazione su Linux:

cd /opt/ultralytics-worker
docker compose logs -f
docker compose down

Su macOS e Windows, il programma di installazione stampa il comando equivalente utilizzando ~/.ultralytics/worker.

Vedi anche Datasets, Annotation e Cloud Training.