Guida rapida a Ultralytics Platform#

Ultralytics Platform offre un flusso di lavoro guidato per caricare dataset, addestrare nuovi modelli YOLO a partire da pesi preaddestrati, testare i modelli completati nel browser e configurare endpoint di inferenza dedicati.

Il diagramma interattivo seguente illustra le quattro fasi principali del flusso di lavoro di Ultralytics Platform. Fai clic su una fase o su un passaggio secondario per accedere alle istruzioni dettagliate della relativa sezione.

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

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

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef out fill:#9C27B0,color:#fff

Inizia#

Ultralytics Platform offre diverse modalità di registrazione semplici. Puoi registrarti e accedere usando il tuo account Google o GitHub oppure il tuo indirizzo email.

Selezione della regione#

Durante la configurazione iniziale, ti verrà chiesto di selezionare la regione dei dati. Platform misura automaticamente la latenza verso ogni regione e consiglia quella più vicina. Questa scelta determina dove vengono archiviati i tuoi dataset, modelli e dati di addestramento gestiti. Le regioni degli endpoint dedicati vengono selezionate separatamente quando distribuisci un modello.

Crediti gratuiti#

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

Completa il tuo profilo#

La procedura di onboarding ti guida attraverso tre passaggi:

1. Profilo - Inserisci il tuo nome visualizzato, un nome utente univoco (permanente e non modificabile in seguito), l'organizzazione (facoltativa) e il caso d'uso principale
2. Regione dei dati - Seleziona Stati Uniti, UE o AP; una mappa del mondo interattiva mostra la latenza
3. Completamento - Rivedi le tue selezioni, applica facoltativamente un codice promozionale e completa la registrazione per richiedere i crediti di benvenuto

Dashboard Home#

Dopo aver effettuato l'accesso, verrai indirizzato alla pagina Home della Ultralytics Platform, che include una scheda di benvenuto con le statistiche dell'area di lavoro, un video introduttivo, l'accesso rapido a dataset, progetti e spazio di archiviazione, e un feed delle attività recenti.

Navigazione nella barra laterale#

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

Ogni sezione dei contenuti elenca i cinque elementi più recenti e include un link agli altri. Passando il puntatore su un elemento viene visualizzata un'azione di eliminazione che lo sposta nel Cestino, tranne nel caso delle distribuzioni, che vengono eliminate definitivamente dopo la conferma; puoi accedere al Cestino dalla ricerca (Cmd+K) oppure aprendo platform.ultralytics.com/trash.

Scheda di benvenuto#

La scheda di benvenuto mostra il tuo profilo, il badge del piano (collegato al confronto dei piani) e una panoramica delle statistiche dell'area di lavoro. Ogni statistica rimanda alla vista corrispondente dell'area di lavoro:

Azioni rapide#

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

• Dataset: crea un nuovo dataset oppure trascina immagini, video o file di dataset per caricarli. Mostra i tuoi dataset recenti.
• Progetti: crea un nuovo progetto oppure trascina i file di modello .pt per caricarli. Mostra i tuoi progetti recenti.
• Archiviazione: panoramica dell'utilizzo dello spazio di archiviazione (dataset, modelli, esportazioni) e dei limiti del piano.

Una tabella Attività recenti in fondo mostra i dataset, i progetti e le distribuzioni più recenti, con il relativo stato e l'ora dell'ultimo aggiornamento.

Ricerca globale#

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

Assistente chat IA#

Fai clic su Chiedi all'IA per interagire con un agente IA che automatizza le attività nella Ultralytics Platform. L'agente lavora direttamente con i tuoi dataset e modelli per annotare immagini, eseguire esperimenti di addestramento, confrontare i risultati ed esportare o distribuire modelli. Consulta Addestramento automatico con Chiedi all'IA per esempi di prompt e istruzioni per configurare il tuo agente di coding.

Tour introduttivi#

La Platform include tour guidati che presentano le funzionalità principali mentre esplori le diverse sezioni:

Riavvia i tour#

Per ripetere un tour:

• Pulsante Ripeti tour — Fai clic sull'avatar del tuo profilo (in basso a sinistra nella barra laterale) per aprire il menu dell'account, quindi seleziona Ripeti tour. In questo modo reimposti tutti i tour, che verranno riproposti alla tua prossima visita a ciascuna sezione.
• Parametro URL — Aggiungi ?tour= con l'ID del tour per riavviarlo direttamente: ?tour=nav nella pagina Home, ?tour=project nella pagina di un progetto oppure ?tour=dataset nella pagina di un dataset.

Carica il tuo primo dataset#

Apri Annotate nella barra laterale e fai clic su + per creare un nuovo dataset. Puoi anche trascinare i file direttamente sulla scheda Dataset nella dashboard Home.

La finestra di dialogo Nuovo dataset offre quattro origini. Questa guida rapida usa Carica; le altre sono descritte in Dataset e Integrazioni:

I caricamenti supportano più formati (per i dettagli completi, consulta Dataset):

graph LR
    A[Drop Files]:::start --> B[Auto-Package ZIP]:::proc
    B --> C[Upload to Storage]:::proc
    C --> D[Process Data]:::proc
    D --> E[Resize & Thumbnail]:::proc
    E --> F[Parse Labels]:::proc
    F --> G[Compute Statistics]:::proc
    G --> H[Dataset Ready]:::out

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef out fill:#9C27B0,color:#fff

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

1. Le immagini con dimensioni superiori a 4096px vengono ridimensionate (mantenendo le proporzioni; gli originali TIFF vengono archiviati così come caricati)
2. Vengono generate miniature da 256px per una navigazione rapida
3. Le etichette YOLO, COCO, LabelMe e NDJSON di Ultralytics o Labelbox vengono analizzate e convalidate
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/

Scopri di più sui dataset e sui formati supportati per rilevamento, segmentazione, posa, OBB e classificazione.

Crea il tuo primo progetto#

I progetti ti aiutano a organizzare modelli ed esperimenti correlati. Apri Train nella barra laterale e fai clic su + per creare un progetto. In alternativa, trascina i pesi .pt sulla scheda Progetti nella dashboard Home per creare un progetto e importarli in un solo passaggio.

Inserisci un nome e, facoltativamente, una descrizione. I progetti organizzano le esecuzioni di addestramento e i pesi dei modelli importati o clonati, con grafici che consentono di confrontare i risultati dell'addestramento completato.

Scopri di più sui progetti.

Addestra il tuo primo modello#

Dal tuo progetto, fai clic su New Model per aprire la finestra di dialogo Addestra un nuovo modello. Puoi anche iniziare dalla pagina di un dataset; in tal caso il dataset è già selezionato e puoi scegliere il progetto di destinazione.

Configurazione dell'addestramento#

1. Modello di base: seleziona i pesi ufficiali di Ultralytics o uno dei tuoi modelli addestrati. La finestra di dialogo avvisa se l'attività del modello non corrisponde a quella del dataset.
2. Dataset: scegli un dataset pronto con almeno un'immagine di addestramento, almeno un'immagine di convalida o di test e almeno un'immagine etichettata
3. Parametri: imposta Epoche (predefinito: 100), Dimensione batch (se vuoto, viene impostata automaticamente), Dimensione immagine (predefinita: 640) e, facoltativamente, un Nome per l'esecuzione. Espandi Impostazioni avanzate per modificare qualsiasi altro argomento di addestramento Ultralytics in un editor YAML.
4. Seleziona GPU: nella scheda Addestramento cloud, scegli la capacità di calcolo in base al tuo budget e alle dimensioni del modello. L'impostazione predefinita è RTX PRO 6000 (96 GB Blackwell, 2,09 $/ora), adatta a tutte le varianti di YOLO26. Consulta la tabella completa dei prezzi delle GPU o il passaggio GPU dell'addestramento cloud per l'elenco completo e i requisiti dei piani.
5. Avvia addestramento: controlla il costo e la durata stimati accanto al saldo dei tuoi crediti, quindi fai clic su Start Training.

Monitora l'addestramento#

Dopo l'avvio dell'addestramento, apri la scheda Train del modello per monitorare i progressi in tempo reale tramite tre sottoschede:

Le metriche vengono trasmesse in tempo reale tramite eventi inviati dal server (SSE). Quando sono disponibili gli artefatti di convalida, la sottoscheda Grafici si divide nelle viste Addestramento e Convalida; in Convalida trovi la matrice di confusione e le curve PR e F1.

Scopri di più sull'addestramento cloud.

Testa il tuo modello#

Al termine dell'addestramento, testa il tuo modello direttamente nel browser:

1. Vai alla scheda Predict del tuo modello
2. Carica un'immagine, trascinala qui, acquisiscila con la webcam o fai clic su un'immagine di esempio (l'inferenza si avvia automaticamente quando rilasci l'immagine)
3. Visualizza le sovrapposizioni delle predizioni appropriate all'attività, i tempi per fase (preelaborazione, inferenza, postelaborazione, rete) e la risposta JSON non elaborata

Modifica i parametri di inferenza:

In Documentazione API, la scheda Predict mostra codice di esempio in Python, JavaScript e cURL, con i parametri selezionati sopra già compilati. Distribuisci prima il modello, poi sostituisci l'URL e la chiave segnaposto con i valori del tuo endpoint:

import requests

url = "https://your-deployment-url.run.app/predict"
api_key = "YOUR_API_KEY"
args = {"conf": 0.25, "iou": 0.7, "imgsz": 640}

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

print(response.json())

Scopri di più sull'inferenza.

Distribuisci in produzione#

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

1. Vai alla scheda Deploy del tuo modello
2. La piattaforma misura la latenza in tutte le 42 aree geografiche e le mostra su una mappa del mondo, con una gradazione dal verde al rosso (una latenza inferiore tende al verde, una superiore al rosso)
3. Nella tabella Latenza per area geografica sotto la mappa, ordinata per latenza dalla tua posizione, trova l'area che ti interessa. Usa Rescan per ripetere la misurazione in qualsiasi momento.
4. Fai clic su Deploy nella riga corrispondente per creare il tuo endpoint

graph LR
    A[Select Region]:::start --> B[Deploy]:::proc
    B --> C[Provisioning]:::proc
    C --> D[Running]:::out
    D --> E{Lifecycle}:::decide
    E --> F[Stop]:::error
    E --> G[Delete]:::error
    F --> H[Resume]:::proc
    H --> D

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef decide fill:#FF9800,color:#fff
    classDef out fill:#9C27B0,color:#fff
    classDef error fill:#F44336,color:#fff

Al termine del provisioning, il tuo endpoint offre:

• URL univoco: endpoint HTTPS per le chiamate API
• Comportamento di scale-to-zero: gli endpoint inattivi con dimensioni predefinite vengono ridimensionati a zero; le dimensioni personalizzate restano attive e vengono fatturate in base alle ore di attività (le distribuzioni attualmente eseguono una sola istanza attiva)
• Monitoraggio: metriche e registri delle richieste

Dopo la distribuzione, puoi gestire tutti i tuoi endpoint dalla scheda Distribuzioni del tuo profilo, raggiungibile dalla sezione Deployments nella barra laterale. La scheda mostra una mappa globale con le distribuzioni attive, le metriche delle ultime 24 ore (distribuzioni attive, richieste totali, tasso di errore e latenza P95) e l'elenco di tutti gli endpoint.

Scopri di più sugli endpoint.

Addestramento remoto (facoltativo)#

Se preferisci addestrare il modello sul tuo hardware, puoi usare la tua chiave API per addestrarlo ovunque e trasmettere le metriche alla piattaforma Ultralytics.

Il modo più rapido è usare la scheda Addestramento locale nella finestra di dialogo di addestramento: genera il comando completo per il modello, il dataset e i parametri selezionati e inserisce una chiave API (creandone una se non ne hai ancora una). Copia il comando ed eseguilo nel terminale.

Per comporre il comando autonomamente:

1. Genera una chiave API in Settings > API Keys
2. Imposta la variabile d'ambiente e avvia l'addestramento specificando username/project come valore di project:

export ULTRALYTICS_API_KEY="YOUR_API_KEY"

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

Scopri di più sulle chiavi API, sugli URI dei dataset e sull'addestramento remoto.

Feedback e assistenza#

La pagina Help nel piè di pagina della barra laterale raccoglie link alla documentazione, video dimostrativi e risorse della community, e include un modulo per inviare feedback nell'app. Puoi valutare la tua esperienza da 1 a 5 stelle, scegliere un tipo di feedback (Bug, Feature o General) e allegare uno screenshot.

Se hai bisogno di ulteriore assistenza:

• Chat AI: fai clic sul widget di chat mobile in qualsiasi pagina per ricevere assistenza immediata
• Documentazione: consulta questi documenti per guide dettagliate su dataset, annotazione, addestramento, deployment e fatturazione
• Discord: unisciti alla nostra community Discord per partecipare alle discussioni
• GitHub: segnala i problemi su GitHub
• REST API e SDK Python: consulta il riferimento API, installa il client ultralytics-platform oppure prova la documentazione API interattiva per accedere programmaticamente a tutte le funzionalità della Platform

Domande frequenti#