Vai al contenuto

Modelli

Ultralytics offre una gestione completa dei modelli per l'addestramento, l'analisi e l'implementazione YOLO . Carica modelli preaddestrati o addestra nuovi modelli direttamente sulla piattaforma.

Carica modello

Carica i pesi dei modelli esistenti sulla piattaforma:

  1. Vai al tuo progetto
  2. Clicca su Carica modello
  3. Seleziona il tuo .pt file
  4. Aggiungi nome e descrizione
  5. Clicca su Carica

Formati di modelli supportati:

FormatoEstensioneDescrizione
PyTorch.ptUltralytics nativo Ultralytics

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

  • Tipo di attività (detect, segment, posa, OBB, classify)
  • Architettura (YOLO11n, YOLO11s, ecc.)
  • Nomi delle classi e conteggio
  • Dimensioni e parametri di input

Addestramento del modello

Addestra un nuovo modello direttamente sulla piattaforma:

  1. Vai al tuo progetto
  2. Clicca sul modello del treno
  3. Seleziona set di dati
  4. Scegli il modello base
  5. Configurare i parametri di allenamento
  6. Inizia l'allenamento

Per istruzioni dettagliate, consultare Cloud Training.

Panoramica del modello

Ogni pagina del modello mostra:

SezioneContenuto
PanoramicaMetadati del modello, tipo di attività, architettura
MetricheGrafici relativi alla perdita di allenamento e alle prestazioni
TracciatiMatrice di confusione, curve PR, curve F1
ProvaTest di inferenza interattivo
DistribuireCreazione e gestione degli endpoint
EsportazioneConversione del formato e download

Metriche di allenamento

Visualizza le metriche di allenamento in tempo reale e storiche:

Curve di perdita

PerditaDescrizione
ScatolaPerdita di regressione del bounding box
ClassePerdita di classificazione
DFLPerdita focale di distribuzione

Metriche di performance

MetricaDescrizione
mAP50Precisione media a IoU ,50
mAP50Precisione media a IoU ,50-0,95
PrecisioneRapporto tra previsioni positive corrette
RecallRapporto tra i positivi effettivi identificati

Grafici di convalida

Al termine della formazione, visualizza l'analisi di convalida dettagliata:

Matrice di confusione

Mappa termica interattiva che mostra l'accuratezza delle previsioni per classe:

Curve PR/F1

Curve di prestazione a diverse soglie di confidenza:

CurvaDescrizione
Precisione-RichiamoCompromesso tra precisione e richiamo
F1-FiduciaPunteggio F1 a diversi livelli di confidenza
Precisione-FiduciaPrecisione a diversi livelli di confidenza
Ricordo-FiduciaRichiamo a diversi livelli di confidenza

Modello di esportazione

Esporta il tuo modello in 17 formati di distribuzione:

  1. Passa alla scheda Esporta
  2. Seleziona il formato di destinazione
  3. Clicca su Esporta
  4. Scaricare al termine

Formati supportati

FormatoDescrizioneCaso d'uso
ONNXScambio aperto di reti neuraliImplementazione multipiattaforma
TorchScriptPyTorch serializzatoPyTorch
OpenVINOIntelIntel
TensorRTNVIDIANVIDIA
CoreMLOttimizzazione AppleiOS
TFLiteTensorFlow LiteMobile/integrato
TF SavedModelTensorFlowTensorFlow
TF GraphDefTensorFlowTensorFlow legacy
PaddlePaddleStruttura BaiduPaddlePaddle
NCNNInferenza mobileAndroid
TPU EdgeGoogle TPUDispositivi Coral
TF.jsTensorFlow.jsDistribuzione del browser
MNNStruttura AlibabaOttimizzazione mobile
RKNNNPU RockchipDispositivi Rockchip
IMXNXP i.MXPiattaforme NXP
AxeleraMetis AIAcceleratori Edge AI
ExecuTorchMeta-quadroPiattaforme Meta

Tempo di esportazione

Il tempo di esportazione varia a seconda del formato. TensorRT possono richiedere diversi minuti a causa dell'ottimizzazione del motore.

Collegamento dei set di dati

I modelli possono essere collegati al loro set di dati di origine:

  • Visualizza quale set di dati è stato utilizzato per l'addestramento
  • Accedi al set di dati dalla pagina del modello
  • Traccia la provenienza dei dati

Quando ci si allena con i set di dati della piattaforma utilizzando il ul:// Formato URI, il collegamento è automatico.

Impostazioni di visibilità

Controlla chi può vedere il tuo modello:

ImpostazioneDescrizione
PrivatoSolo tu puoi accedere
PubblicoChiunque può visualizzare la pagina Esplora

Per modificare la visibilità:

  1. Apri il menu delle azioni del modello
  2. Clicca su Modifica
  3. Attiva/disattiva visibilità
  4. Clicca su Salva

Elimina modello

Rimuovi un modello che non ti serve più:

  1. Apri il menu delle azioni del modello
  2. Clicca su Elimina
  3. Conferma eliminazione

Elimina e ripristina

I modelli eliminati vengono spostati nel Cestino per 30 giorni. Ripristinali da Impostazioni > Cestino.

FAQ

Quali architetture di modelli sono supportate?

Ultralytics supporta tutte YOLO :

  • YOLO11: varianti n, s, m, l, x
  • YOLO26: Ultima generazione (quando disponibile)
  • YOLOv10: Supporto legacy
  • YOLOv8: Supporto legacy
  • YOLOv5: Supporto legacy

Posso scaricare il mio modello addestrato?

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

  1. Clicca sull'icona di download
  2. Seleziona formato (originale) .pt o esportato)
  3. Il download inizia automaticamente

Come posso confrontare i modelli tra i diversi progetti?

Attualmente, il confronto tra modelli avviene all'interno dei progetti. Per effettuare un confronto tra progetti:

  1. Trasferisci i modelli a un singolo progetto, oppure
  2. Esporta le metriche e confrontale esternamente

Qual è la dimensione massima del modello?

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

Posso ottimizzare i modelli preaddestrati?

Sì! Carica un modello preaddestrato, quindi avvia l'addestramento da quel checkpoint con il tuo set di dati. La piattaforma utilizza automaticamente il modello caricato come punto di partenza.



📅 Creato 0 giorni fa ✏️ Aggiornato 0 giorni fa
glenn-jocher

Commenti