Guida rapida a Ultralytics Platform

Ultralytics Platform è progettata per essere user-friendly e intuitiva, consentendo agli utenti di caricare rapidamente i propri dataset e addestrare nuovi modelli YOLO. Offre una gamma di modelli pre-addestrati tra cui scegliere, facilitando l'inizio per gli utenti. Una volta addestrato un modello, può essere testato direttamente nel browser e distribuito in produzione con un solo clic.

journey
    title Your First Model in 5 Minutes
    section Sign Up
      Create account: 5: User
      Select region: 5: User
    section Prepare Data
      Upload dataset: 5: User
      Review images: 4: User
    section Train
      Configure training: 5: User
      Monitor progress: 3: Platform
    section Deploy
      Test model: 5: User
      Deploy endpoint: 5: User

Inizia

Ultralytics offre diverse opzioni di registrazione semplici. È possibile registrarsi e accedere utilizzando i propri account Google GitHub oppure il proprio indirizzo e-mail.

Selezione della Regione

Durante la fase di onboarding, ti verrà chiesto di selezionare la tua regione dati. La piattaforma misura automaticamente la latenza di ciascuna regione e consiglia quella più vicina. Si tratta di una scelta importante, poiché determina dove verranno archiviati i tuoi dati, modelli e distribuzioni.

Crediti gratuiti

Ogni nuovo account riceve crediti gratuiti per GPU cloud:

Completa il tuo Profilo

Prima di selezionare la tua regione, dovrai completare il tuo profilo con un nome visualizzato, un nome utente, un'azienda facoltativa e un caso d'uso principale. Il flusso di onboarding prevede tre passaggi: Profilo, Regione dati e Completa.

Dashboard principale

Dopo aver effettuato l'accesso, verrai indirizzato alla pagina iniziale della Ultralytics , che fornisce una scheda di benvenuto con le statistiche dell'area di lavoro, l'accesso rapido ai set di dati, ai progetti e all'archivio, nonché un feed delle attività recenti.

Navigazione laterale

La barra laterale consente di accedere a tutte le sezioni della piattaforma:

Biglietto di benvenuto

La scheda di benvenuto mostra il tuo profilo, il badge del piano e le statistiche dell'area di lavoro a colpo d'occhio:

Azioni rapide

Sotto il biglietto di benvenuto, la dashboard mostra tre schede:

• Set di dati: crea un nuovo set di dati o trascina immagini, video o file ZIP da caricare. Mostra i tuoi set di dati recenti.
• Progetti: Crea un nuovo progetto o rilascia .pt file modello da caricare. Mostra i tuoi progetti recenti.
• Archiviazione: panoramica dell'utilizzo dello spazio di archiviazione (set di dati, modelli, esportazioni) con i limiti del piano.

La tabella Attività recenti nella parte inferiore mostra i tuoi ultimi set di dati, modelli e sessioni di formazione.

Carica il tuo primo Dataset

Vai a Annotate nella barra laterale e clicca New Dataset per aggiungere i tuoi dati di addestramento. Puoi anche trascinare i file direttamente sulla scheda Dataset nella dashboard Home.

Ultralytics supporta diversi formati di caricamento (maggiori dettagli nella sezione Set di dati):

graph LR
    A[Drop Files] --> B[Auto-Package ZIP]
    B --> C[Upload to Storage]
    C --> D[Backend Worker]
    D --> E[Resize & Thumbnail]
    E --> F[Parse Labels]
    F --> G[Compute Statistics]
    G --> H[Dataset Ready]

Dopo il caricamento, la piattaforma elabora automaticamente i tuoi dati:

1. Le immagini più grandi di 4096px vengono ridimensionate (mantenendo le proporzioni).
2. Vengono generate miniature da 256 px per una navigazione veloce.
3. Le etichette vengono analizzate e convalidate (YOLO .txt formato)
4. Vengono calcolate le statistiche (distribuzione delle classi, mappe di calore, dimensioni)

my-dataset.zip
├── data.yaml          # Class names and splits
├── train/
│   ├── images/
│   │   ├── img001.jpg
│   │   └── img002.jpg
│   └── labels/
│       ├── img001.txt
│       └── img002.txt
└── val/
    ├── images/
    └── labels/

Maggiori informazioni sui set di dati e sui formati supportati per il detect, segment, pose, OBB e classify.

Crea il tuo primo Progetto

I progetti ti aiutano a organizzare modelli ed esperimenti correlati. Vai alla sezione Progetti e clicca su "Crea Progetto".

Inserisci un nome e una descrizione facoltativa per il tuo progetto. I progetti contengono:

• Modelli: Checkpoint addestrati
• Registro attività: Cronologia delle modifiche

Maggiori informazioni sui progetti.

Addestra il tuo primo Modello

Dal tuo progetto, clicca su Train Model per iniziare la formazione sul cloud.

Configurazione dell'Addestramento

1. Seleziona set di dati: Scegli tra i set di dati caricati (solo i set di dati con un train divisione sono mostrati)
2. Scegli il modello: seleziona un modello di base, ovvero Ultralytics ufficiali Ultralytics o i tuoi modelli addestrati.
3. Imposta epoche: numero di iterazioni di addestramento (impostazione predefinita: 100)
4. Seleziona GPU: scegli le risorse di calcolo in base al tuo budget e alle dimensioni del modello

Monitorare l'addestramento

Una volta iniziata la formazione, è possibile monitorare i progressi in tempo reale attraverso tre sottoschede:

Le metriche vengono trasmesse in tempo reale tramite SSE (Server-Sent Events). Al termine dell'addestramento, vengono generati grafici di convalida che includono matrici di confusione, curve PR e curve F1.

Per saperne di più sul training su cloud.

Testa il tuo Modello

Una volta completato il training, testa il tuo modello direttamente nel browser:

1. Passa al tuo modello Predict scheda
2. Carica un'immagine, trascinala o utilizza immagini di esempio (inferenza automatica al rilascio)
3. Visualizza i risultati dell'inferenza con i riquadri di delimitazione renderizzati su tela

Regola i parametri di inferenza:

Il Predict La scheda fornisce esempi di codice pronti all'uso con la tua chiave API effettiva già inserita:

import requests

url = "https://platform.ultralytics.com/api/models/{model_id}/predict"
headers = {"Authorization": "Bearer your_api_key"}

with open("image.jpg", "rb") as f:
    response = requests.post(url, headers=headers, files={"file": f})

print(response.json())

curl -X POST "https://platform.ultralytics.com/api/models/{model_id}/predict" \
  -H "Authorization: Bearer your_api_key" \
  -F "file=@image.jpg"

Per saperne di più sull'inferenza.

Distribuisci in Produzione

Distribuisci il tuo modello su un endpoint dedicato per l'uso in produzione:

1. Passa al tuo modello Deploy scheda
2. Seleziona una regione dalla mappa interattiva del mondo (43 regioni disponibili)
3. The map shows real-time latency measurements with traffic light colors (green < 100ms, yellow < 200ms, red > 200ms)
4. Clicca Deploy per creare il tuo endpoint

graph LR
    A[Select Region] --> B[Deploy]
    B --> C[Provisioning ~1 min]
    C --> D[Running]
    D --> E{Lifecycle}
    E --> F[Stop]
    E --> G[Delete]
    F --> H[Resume]
    H --> D

Il tuo endpoint sarà pronto in circa un minuto con:

• URL Unico: Endpoint HTTPS per chiamate API
• Auto-Scaling: Si adatta automaticamente al traffico
• Monitoraggio: Metriche delle richieste e log

Dopo l'implementazione, è possibile gestire tutti gli endpoint dal Deploy sezione nella barra laterale, che mostra una mappa globale con le distribuzioni attive, le metriche di panoramica e un elenco di tutti gli endpoint.

Per saperne di più sugli endpoint.

Formazione a distanza (facoltativa)

Se preferisci addestrare il tuo hardware, puoi trasmettere le metriche alla piattaforma utilizzando la tua chiave API. Funziona come Weights & Biases addestra ovunque, monitora sulla piattaforma.

1. Genera una chiave API in Settings > Profile (Sezione Chiavi API)
2. Imposta la variabile di ambiente e esegui l'addestramento con un project/name formato:

export ULTRALYTICS_API_KEY="ul_your_api_key_here"

yolo train model=yolo26n.pt data=coco.yaml epochs=100 project=username/my-project name=exp1

Maggiori informazioni su chiavi API, URI dei set di dati e formazione remota.

Feedback

Apprezziamo il tuo feedback! Utilizza il pulsante di feedback per aiutarci a migliorare la piattaforma.

Serve aiuto?

Se riscontri problemi o hai domande:

• Documentazione: Consulta questa documentazione per guide dettagliate
• Discord: Unisciti alla nostra community Discord per discussioni
• GitHub: Segnala problemi su GitHub

📅 Creato 1 mese fa ✏️ Aggiornato 4 giorni fa

Commenti