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 sorgente rimangono sul tuo computer. L'addestramento si comporta come qualsiasi altra posizione di remote training: le metriche vengono trasmesse alla 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. 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 Linux, un Mac con Apple silicon o un computer Windows a 64 bit che possa accedere ai tuoi dataset e rimanere acceso mentre Platform li utilizza. Lascia abbastanza spazio di archiviazione libero per i dataset, le esecuzioni dei modelli e le immagini Docker, e assicurati che il computer possa stabilire connessioni HTTPS in uscita.

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 che può 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 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'installer esegue un container e seleziona l'immagine base ufficiale di Ultralytics 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
• Task di rilevamento (detect), segmentazione, posa (pose), oriented bounding box (OBB) e classificazione

La Platform riconosce automaticamente layout di dataset comuni, classi, etichette e split di addestramento/validazione/test. La Platform tratta i file di origine come sola lettura e non li ridimensiona, ricodifica, modifica o elimina mai.

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 vedere se il computer e la sua CPU o GPU sono disponibili. Puoi riconnetterti per aggiornare l'accesso o disconnetterlo quando non è più necessario.

La disconnessione impedisce nuovi job e anteprime, ma non elimina i dataset o i file sorgente dal computer. I modelli caricati rimangono disponibili su Platform.

Se la configurazione non termina#

• Docker richiede il permesso: Approva il prompt 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, 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.

Vedi anche Dataset, Annotazione e Addestramento.