Modelli

Ultralytics Platform fornisce una gestione completa dei modelli per l'addestramento, l'analisi e il deployment dei modelli YOLO. Carica modelli preaddestrati o allenane di nuovi direttamente sulla piattaforma.

Carica modello

Carica i pesi di un modello esistente sulla piattaforma:

1. Vai al tuo progetto
2. Trascina i file .pt sulla pagina del progetto o nella barra laterale dei modelli
3. I metadati del modello vengono analizzati automaticamente dal file

È possibile caricare più file simultaneamente (fino a 3 in contemporanea).

Formati di modello supportati:

Dopo il caricamento, la piattaforma analizza i metadati del modello:

• Tipo di task (detect, segment, pose, OBB, classify)
• Architettura (YOLO26n, YOLO26s, ecc.)
• Nomi e numero delle classi
• Dimensione di input e parametri
• Risultati di addestramento e metriche (se presenti nel checkpoint)

Addestra modello

Addestra un nuovo modello direttamente sulla piattaforma:

1. Vai al tuo progetto
2. Clicca su Nuovo Modello
3. Seleziona il modello base e il dataset
4. Configura i parametri di addestramento
5. Scegli l'addestramento nel cloud o in locale
6. Avvia l'addestramento

Vedi Cloud Training per istruzioni dettagliate.

Ciclo di vita del modello

graph LR
    A[Upload .pt] --> B[Overview]
    C[Train] --> B
    B --> D[Predict]
    B --> E[Export]
    B --> F[Deploy]
    E --> G[17+ Formats]
    F --> H[Endpoint]

    style A fill:#4CAF50,color:#fff
    style C fill:#FF9800,color:#fff
    style E fill:#2196F3,color:#fff
    style F fill:#9C27B0,color:#fff

Schede della pagina del modello

Ogni pagina del modello presenta le seguenti schede:

Scheda Panoramica

Mostra i metadati del modello e le metriche chiave:

• Nome del modello (modificabile), badge di stato, tipo di task
• Metriche finali (mAP50, mAP50-95, precision, recall)
• Grafici sparkline delle metriche che mostrano l'avanzamento dell'addestramento
• Argomenti di addestramento (epoche, batch size, dimensione immagine, ecc.)
• Link al dataset (quando addestrato con un dataset della piattaforma)
• Pulsante di download per i pesi del modello

Scheda Addestra

La scheda Addestra ha tre sottoschede:

Sottoscheda Grafici

Grafici interattivi delle metriche di addestramento che mostrano le curve di loss e le metriche di performance durante le epoche:

Sottoscheda Console

Output in tempo reale dalla console del processo di addestramento:

• Streaming dei log in tempo reale durante l'addestramento
• Barre di avanzamento delle epoche e risultati della validazione
• Rilevamento degli errori con banner di errore evidenziati
• Supporto colore ANSI per l'output formattato

Sottoscheda Sistema

Metriche GPU e di sistema durante l'addestramento:

Scheda Predizione

Esegui un'inferenza interattiva direttamente nel browser:

• Carica un'immagine, usa immagini di esempio o usa la webcam
• Visualizzazione dei risultati con bounding box, maschere o keypoint
• Auto-inferenza quando viene fornita un'immagine
• Supporta tutti i tipi di task (detect, segment, pose, OBB, classify)

Scheda Export

Esporta il tuo modello in oltre 17 formati di deployment. Vedi Esporta Modello qui sotto e la guida principale alla modalità Export per i dettagli completi.

Scheda Deploy

Crea e gestisci endpoint di inferenza dedicati. Vedi Deployments per i dettagli.

Grafici di Validazione

Dopo il completamento dell'addestramento, visualizza l'analisi dettagliata della validazione:

Matrice di Confusione

Heatmap interattiva che mostra l'accuratezza della predizione per classe:

Curve PR/F1

Curve di performance a diverse soglie di confidenza:

Esporta modello

graph LR
    A[Select Format] --> B[Configure Args]
    B --> C[Export]
    C --> D{GPU Required?}
    D -->|Yes| E[Cloud GPU Export]
    D -->|No| F[CPU Export]
    E --> G[Download]
    F --> G

    style A fill:#2196F3,color:#fff
    style C fill:#FF9800,color:#fff
    style G fill:#4CAF50,color:#fff

Esporta il tuo modello in oltre 17 formati di deployment:

1. Vai alla scheda Export
2. Seleziona il formato di destinazione
3. Configura gli argomenti di esportazione (dimensione immagine, mezza precisione, dinamico, ecc.)
4. Per i formati che richiedono una GPU (TensorRT), seleziona un tipo di GPU
5. Fai clic su Export
6. Scarica al termine

Formati supportati

La piattaforma supporta l'esportazione in 17+ deployment formats: ONNX, TorchScript, OpenVINO, TensorRT, CoreML, TF SavedModel, TF GraphDef, TF Lite, TF Edge TPU, TF.js, PaddlePaddle, NCNN, MNN, RKNN, IMX500, Axelera e ExecuTorch.

Guida alla selezione del formato

Supporto chip RKNN

Quando esporti nel formato RKNN, seleziona il tuo dispositivo Rockchip di destinazione:

Ciclo di vita del processo di esportazione

I processi di esportazione passano attraverso i seguenti stati:

Azioni di esportazione in blocco

• Esporta tutto: Fai clic su Export All per avviare i processi di esportazione per tutti i formati basati su CPU con le impostazioni predefinite.
• Elimina tutte le esportazioni: Fai clic su Delete All per rimuovere tutte le esportazioni per il modello.

Limitazioni del formato

Alcuni formati di esportazione hanno limitazioni di architettura o di attività:

Clona modello

Clona un modello in un progetto diverso:

1. Apri la pagina del modello
2. Fai clic sul pulsante Clone
3. Seleziona il progetto di destinazione
4. Clicca su Clone

Il modello e i suoi pesi vengono copiati nel progetto di destinazione.

Scarica modello

Scarica i pesi del tuo modello:

1. Vai alla scheda Overview del modello
2. Clicca sul pulsante Download
3. Il file .pt originale viene scaricato automaticamente

I formati esportati possono essere scaricati dalla scheda Export una volta completata l'esportazione.

Collegamento dataset

I modelli possono essere collegati al loro dataset di origine:

• Vedi quale dataset è stato utilizzato per l'addestramento
• Clicca sulla scheda del dataset nella scheda Overview per navigarvi
• Traccia la provenienza dei dati

Quando effettui l'addestramento con i dataset della Platform utilizzando il formato URI ul://, il collegamento è automatico.

# Train with a Platform dataset — linking is automatic
yolo train model=yolo26n.pt data=ul://username/datasets/my-dataset epochs=100

Impostazioni di visibilità

Controlla chi può vedere il tuo modello:

Per modificare la visibilità, clicca sul badge di visibilità (es. private o public) nella pagina del modello. Il passaggio a privato ha effetto immediato. Il passaggio a pubblico mostra una finestra di conferma prima di essere applicato.

Elimina modello

Rimuovi un modello di cui non hai più bisogno:

1. Apri il menu delle azioni del modello
2. Clicca su Delete
3. Conferma l'eliminazione

Vedi anche

• Inference: Testa i modelli nel browser con la scheda Predict
• Endpoints: Distribuisci i modelli in produzione con endpoint dedicati
• Cloud Training: Configura ed esegui processi di addestramento su GPU cloud
• Formati di esportazione: Guida completa a tutti i 17+ formati di esportazione

FAQ

Quali architetture di modello sono supportate?

La Ultralytics Platform supporta completamente tutte le architetture YOLO con progetti dedicati:

• YOLO26: varianti n, s, m, l, x (più recente, consigliata) — platform.ultralytics.com/ultralytics/yolo26
• YOLO11: varianti n, s, m, l, x — platform.ultralytics.com/ultralytics/yolo11
• YOLOv8: varianti n, s, m, l, x — platform.ultralytics.com/ultralytics/yolov8
• YOLOv5: varianti n, s, m, l, x — platform.ultralytics.com/ultralytics/yolov5

Tutte le architetture supportano 5 tipi di task: detect, segment, pose, OBB e classify.

Posso scaricare il mio modello addestrato?

Sì, scarica i pesi del tuo modello dalla pagina del modello:

1. Clicca sull'icona di download nella scheda Overview
2. Il file .pt originale viene scaricato automaticamente
3. I formati esportati possono essere scaricati dalla scheda Export

Come posso confrontare i modelli tra diversi progetti?

Attualmente, il confronto dei modelli avviene all'interno dei progetti. Per confrontare tra progetti diversi:

1. Clona i modelli in un unico progetto, oppure
2. Esporta le metriche e confrontale esternamente

Qual è la dimensione massima del modello?

Non c'è un limite rigido, ma i modelli molto grandi (>2GB) potrebbero avere tempi di caricamento ed elaborazione più lunghi.

Posso effettuare il fine-tuning di modelli pre-addestrati?

Sì! Puoi usare uno qualsiasi dei modelli ufficiali YOLO26 come base, oppure selezionare uno dei tuoi modelli completati dal selettore di modelli nella finestra di dialogo di addestramento. La Platform supporta il fine-tuning da qualsiasi checkpoint caricato.