Link to this sectionGuida rapida alla Ultralytics Platform#

Ultralytics Platform è progettata per essere intuitiva e facile da usare, consentendoti di caricare rapidamente i tuoi dataset e addestrare nuovi modelli YOLO. Offre una gamma di modelli preaddestrati tra cui scegliere, semplificando i primi passi. Una volta addestrato, un modello può essere testato direttamente nel browser e distribuito in produzione con un singolo clic.

Il seguente diagramma interattivo illustra le quattro fasi principali del flusso di lavoro di Ultralytics Platform. Clicca su qualsiasi fase o sotto-passaggio per accedere alle istruzioni dettagliate per quella sezione.

graph LR
    A(Sign Up) --> B(Prepare Data) --> C(Train) --> D(Deploy)
    A -.- A1["<a href='#get-started'>Create account</a><br/><a href='#region-selection'>Select region</a>"]
    B -.- B1["<a href='#upload-your-first-dataset'>Upload dataset</a><br/><a href='#create-your-first-project'>Create Project</a>"]
    C -.- C1["<a href='#training-configuration'>Configure training</a><br/><a href='#monitor-training'>Monitor progress</a>"]
    D -.- D1["<a href='#test-your-model'>Test model</a><br/><a href='#deploy-to-production'>Deploy endpoint</a>"]

    click A "#get-started"
    click B "#upload-your-first-dataset"
    click C "#train-your-first-model"
    click D "#deploy-to-production"

Link to this sectionInizia ora#

Ultralytics Platform offre diverse opzioni di registrazione semplificate. Puoi registrarti ed effettuare il login utilizzando i tuoi account Google o GitHub, oppure con il tuo indirizzo email.

Link to this sectionSelezione Regione#

Durante l'onboarding, ti verrà chiesto di selezionare la tua regione dati. La piattaforma misura automaticamente la latenza verso ogni regione e consiglia quella più vicina. Questa è una scelta importante poiché determina dove verranno archiviati i tuoi dati, modelli e distribuzioni.

Link to this sectionCrediti gratuiti#

Ogni nuovo account riceve crediti gratuiti per l'addestramento su GPU cloud:

Link to this sectionCompleta il tuo profilo#

Il flusso di onboarding ti guida attraverso tre passaggi:

1. Profilo - Inserisci il tuo nome visualizzato, un nome utente univoco (permanente, non modificabile in seguito), l'organizzazione (opzionale) e il tuo caso d'uso principale
2. Regione dati - Seleziona US, EU o AP con una mappa del mondo visiva che mostra la latenza
3. Completa - Rivedi le tue selezioni, applica eventualmente un codice promozionale e termina la registrazione per riscattare i tuoi crediti di benvenuto

Link to this sectionDashboard principale#

Dopo aver effettuato l'accesso, verrai indirizzato alla Home page di Ultralytics Platform, che offre una scheda di benvenuto con statistiche sull'area di lavoro, accesso rapido a dataset, progetti e archiviazione, e un feed delle attività recenti.

Link to this sectionNavigazione nella barra laterale#

La barra laterale fornisce l'accesso a tutte le sezioni della piattaforma:

Link to this sectionScheda di benvenuto#

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

Link to this sectionAzioni rapide#

Sotto la scheda di benvenuto, la dashboard mostra tre schede:

• Dataset: Crea un nuovo dataset o trascina immagini, video o file di dataset per caricarli. Mostra i tuoi dataset recenti.
• Progetti: Crea un nuovo progetto o trascina file di modello .pt per caricarli. Mostra i tuoi progetti recenti.
• Archiviazione: Panoramica del tuo utilizzo dello spazio di archiviazione (dataset, modelli, esportazioni) con i limiti del piano.

Una tabella di Attività recente in fondo mostra i tuoi ultimi dataset, modelli ed esecuzioni di addestramento.

Link to this sectionRicerca globale#

Premi Cmd+K (Mac) o Ctrl+K (Windows/Linux) per aprire la barra di ricerca. Cerca istantaneamente tra pagine, progetti, dataset e distribuzioni.

Link to this sectionAssistente IA via chat#

Un widget di chat fluttuante è disponibile su ogni pagina. Cliccaci sopra per porre domande sull'addestramento YOLO, sull'annotazione, sulla distribuzione o su qualsiasi funzionalità della piattaforma. L'assistente fornisce un aiuto contestualizzato basato sulla pagina corrente.

Link to this sectionTour di onboarding#

La piattaforma include tour guidati che introducono le funzionalità chiave mentre esplori le diverse sezioni:

Link to this sectionRiavvia i tour#

Per riprodurre qualsiasi tour:

• Pulsante Rifai tour — Clicca sul tuo avatar del profilo (in basso a sinistra nella barra laterale) per aprire il menu utente, quindi seleziona Rifai tour. Questo ripristina tutti i tour affinché vengano riprodotti alla tua prossima visita di ogni sezione.
• Parametro URL — Vai su platform.ultralytics.com/home?tour=nav per riavviare direttamente il Tour di navigazione.

Link to this sectionCarica il tuo primo set di dati#

Navigate to Annotate in the sidebar and click New Dataset to add your training data. You can also drag and drop files directly onto the Datasets card on the Home dashboard.

Ultralytics Platform supporta diversi formati di caricamento (dettagli completi in 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 (preservando le proporzioni)
2. Vengono generate miniature da 256px per una navigazione rapida
3. Le etichette vengono analizzate e convalidate (formato YOLO .txt)
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/

Leggi di più sui set di dati e sui formati supportati per detect, segment, pose, OBB e classify.

Link to this sectionCrea il tuo primo progetto#

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

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

• Modelli: Checkpoint addestrati

Leggi di più sui progetti.

Link to this sectionAddestra il tuo primo modello#

From your project, click New Model to start cloud training.

Link to this sectionConfigurazione dell'addestramento#

1. Seleziona set di dati: Scegli tra i tuoi set di dati caricati (vengono mostrati solo i set di dati con una suddivisione train)
2. Scegli modello: Seleziona un modello base: modelli ufficiali Ultralytics o i tuoi modelli addestrati
3. Imposta epoche: Numero di iterazioni di addestramento (predefinito: 100)
4. Seleziona GPU: Scegli le risorse di calcolo in base al tuo budget e alle dimensioni del modello. Il predefinito è RTX PRO 6000 (96 GB Blackwell, $1.89/ora), che gestisce ogni variante YOLO26. Vedi la tabella dei prezzi GPU completa o il passaggio Addestramento nel cloud GPU per l'elenco completo e la limitazione dei livelli.

Link to this sectionMonitora l'addestramento#

Una volta iniziato l'addestramento, puoi monitorare i progressi in tempo reale attraverso tre sottoschede:

Le metriche vengono trasmesse in tempo reale tramite SSE (Server-Sent Events). Dopo il completamento dell'addestramento, vengono generati grafici di validazione, inclusi matrice di confusione, curve PR e curve F1.

Leggi di più sull'addestramento nel cloud.

Link to this sectionTesta il tuo modello#

Dopo il completamento dell'addestramento, testa il tuo modello direttamente nel browser:

1. Navigate to your model's Predict tab
2. Carica un'immagine, trascina e rilascia o usa immagini di esempio (inferenza automatica al rilascio)
3. Visualizza i risultati dell'inferenza con i riquadri di delimitazione renderizzati sulla tela

Regola i parametri di inferenza:

The Predict tab provides ready-to-use code examples with your actual API key pre-filled:

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())

Leggi di più sull'inferenza.

Link to this sectionDistribuisci in produzione#

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

1. Navigate to your model's Deploy tab
2. Seleziona una regione dalla mappa mondiale interattiva (43 regioni disponibili)
3. La mappa mostra misurazioni della latenza in tempo reale con colori su una scala dal verde al rosso (una latenza più bassa è più verde, una latenza più alta è più rossa)
4. Click Deploy to create your 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 univoco: Endpoint HTTPS per chiamate API
• Comportamento di scalabilità a zero: Nessun costo di calcolo inattivo (le distribuzioni attualmente eseguono una singola istanza attiva)
• Monitoraggio: Metriche di richiesta e log

After deployment, you can manage all your endpoints from the Deploy section in the sidebar, which shows a global map with active deployments, overview metrics, and a list of all endpoints.

Leggi di più sugli endpoint.

Link to this sectionAddestramento remoto (Opzionale)#

Se preferisci addestrare sul tuo hardware, puoi trasmettere le metriche alla piattaforma usando la tua API key. Funziona come Weights & Biases: addestra ovunque, monitora sulla piattaforma.

1. Generate an API key in Settings > API Keys
2. Imposta la variabile d'ambiente e addestra con un formato project/name:

export ULTRALYTICS_API_KEY="YOUR_API_KEY"

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

Leggi di più sulle API keys, sui dataset URIs e sull'addestramento remoto.

Link to this sectionFeedback & Aiuto#

La pagina Help nel piè di pagina della barra laterale include un modulo di feedback in-app. Puoi valutare la tua esperienza, scegliere un tipo di feedback (bug, richiesta di funzionalità o generale) e allegare screenshot.

Se hai bisogno di ulteriore aiuto:

• AI Chat: Clicca sul widget della chat fluttuante su qualsiasi pagina per un aiuto immediato
• Documentazione: Esplora questi documenti per guide dettagliate su datasets, annotazione, addestramento, distribuzione e fatturazione
• Discord: Unisciti alla nostra community Discord per le discussioni
• GitHub: Segnala problemi su GitHub
• REST API: Consulta il riferimento API o prova la documentazione API interattiva per l'accesso programmatico a tutte le funzionalità della piattaforma