Ultralytics Platform クイックスタート

Ultralytics Platformは、ユーザーフレンドリーで直感的に操作できるように設計されており、ユーザーはデータセットを迅速にアップロードし、新しいYOLOモデルをトレーニングできます。さまざまな事前学習済みモデルが用意されており、ユーザーは簡単に利用を開始できます。モデルがトレーニングされると、ブラウザで直接テストし、ワンクリックで本番環境にデプロイできます。

見る: Ultralytics の始め方 - クイックスタート

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

はじめに

Ultralytics Platformは、さまざまな簡単なサインアップオプションを提供しています。GoogleまたはGitHubアカウント、あるいはメールアドレスを使用して登録およびログインできます。

領域選択

オンボーディング中に、データリージョンを選択するよう求められます。プラットフォームは各リージョンへのレイテンシを自動的に測定し、最も近いものを推奨します。これは、データ、モデル、およびデプロイメントがどこに保存されるかを決定する重要な選択です。

無料クレジット

新規アカウントにはクラウドGPU 用の無料クレジットが付与されます：

プロフィールを完了する

オンボーディングの流れは、以下の3つのステップで構成されています：

1. ユーザー名 — ユニークなユーザー名を選択してください（永続的で、後で変更できません）
2. データリージョン — レイテンシを示す視覚的な世界地図で、米国、EU、またはAPを選択します
3. プロフィール — 表示名、会社名、主なユースケースを設定します

ホームダッシュボード

サインイン後、Ultralytics Platformのホームぺージに移動します。ここには、ワークスペースの統計情報、データセット、プロジェクト、ストレージへのクイックアクセス、および最近のアクティビティフィードを含むウェルカムカードが表示されます。

サイドバーナビゲーション

サイドバーからプラットフォームの全セクションにアクセスできます：

ウェルカムカード

ウェルカムカードでは、プロフィール、プランバッジ、ワークスペースの統計情報を一目で確認できます：

クイックアクション

ウェルカムカードの下には、ダッシュボードに3つのカードが表示されます。

• データセット：新しいデータセットを作成するか、画像、動画、またはデータセットファイルをドラッグ＆ドロップしてアップロードします。最近のデータセットを表示します。
• プロジェクト: 新しいプロジェクトを作成するか、ドロップ .pt アップロードするモデルファイル。最近のプロジェクトを表示します。
• ストレージ: プラン制限を含む、ストレージ使用量（データセット、モデル、エクスポート）の概要。

下部の最近のアクティビティ表には、最新のデータセット、モデル、およびトレーニング実行が表示されます。

グローバル検索

を押します Cmd+K (Mac) または Ctrl+K (Windows/Linux)で検索バーを開きます。ページ、プロジェクト、データセット、デプロイメントを瞬時に検索できます。

AIチャットアシスタント

すべてのページでフローティングチャットウィジェットが利用可能です。YOLOのトレーニング、アノテーション、デプロイ、またはプラットフォームの機能について質問するには、それをクリックしてください。アシスタントは現在のページに基づいてコンテキストに応じたヘルプを提供します。

導入ツアー

このプラットフォームには、各セクションを閲覧しながら主要な機能を解説するガイドツアーが用意されています：

ツアーの再開

ツアーを再生するには：

• ツアーをやり直すボタン — プロフィールアバター（サイドバーの左下）をクリックしてユーザーメニューを開き、ツアーをやり直すを選択します。これによりすべてのツアーがリセットされ、各セクションへの次回の訪問時に再生されます。
• URLパラメータ — 次のページへ移動 platform.ultralytics.com/home?tour=nav ナビゲーションツアーを直接再開するには。

最初のデータセットをアップロードする

移動先 Annotate サイドバーでクリック New Dataset トレーニングデータを追加します。また、ホームダッシュボードの「データセット」カードにファイルを直接ドラッグ＆ドロップすることもできます。

Ultralytics 複数のアップロード形式をサポートしています（詳細はデータセットを参照）：

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]

アップロード後、プラットフォームはデータを自動的に処理します。

1. 4096pxを超える画像は（アスペクト比を維持して）リサイズされます
2. 高速ブラウジングのために256pxのサムネイルが生成されます
3. ラベルは解析され、検証される（YOLO .txt フォーマット)
4. 統計が計算される（クラス分布、ヒートマップ、次元）

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

データセットとサポートされている形式について詳しく読む detect、 segment、ポーズ、OBB、および classify.

最初のプロジェクトを作成する

プロジェクトは、関連するモデルや実験を整理するのに役立ちます。「プロジェクト」に移動し、「プロジェクトの作成」をクリックしてください。

プロジェクトの名前と、オプションで説明を入力してください。プロジェクトには以下が含まれます。

• モデル: トレーニング済みチェックポイント
• アクティビティログ: 変更履歴

プロジェクトの詳細はこちらをご覧ください。

最初のモデルをトレーニングする

プロジェクトからクリック Train Model クラウドトレーニングを開始する。

トレーニング設定

1. データセットを選択: アップロード済みのデータセットから選択します（特定のデータセットのみ） train 分割 が表示されます)
2. モデルの選択: ベースモデルを選択します — 公式のUltralyticsモデル、またはご自身のトレーニング済みモデル。
3. エポックを設定: トレーニングイテレーションの数 (デフォルト: 100)
4. GPUを選択: 予算とモデルサイズに基づいて計算リソースを選択します。

トレーニングを監視する

トレーニングが開始されると、3つのサブタブを通じて進捗をリアルタイムで確認できます：

メトリクスはSSE（サーバー送信イベント）を介してリアルタイムでストリーミングされます。トレーニング完了後、混同行列、PR曲線、F1曲線を含む検証プロットが生成されます。

クラウドトレーニングの詳細はこちらをご覧ください。

モデルをテストする

トレーニング完了後、ブラウザで直接モデルをテストできます。

1. モデルの Predict タブ
2. 画像をアップロード、ドラッグ＆ドロップ、またはサンプル画像を使用（ドロップ時に自動推測）
3. バウンディングボックスをキャンバス上に描画した推論結果を表示する

推論パラメータを調整します。

The Predict タブには、実際のAPIキーが事前に入力された、すぐに使えるコード例が用意されています：

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"

推論について詳しくはこちらをご覧ください。

本番環境にデプロイする

本番環境での使用のために、モデルを専用のエンドポイントにデプロイします。

1. モデルの Deploy タブ
2. インタラクティブな世界地図から地域を選択してください（43の地域が利用可能です）
3. The map shows real-time latency measurements with traffic light colors (green < 100ms, yellow < 200ms, red > 200ms)
4. クリック Deploy エンドポイントを作成する

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

エンドポイントは約1分で準備が完了し、以下の機能が利用可能になります。

• ユニークURL: API呼び出し用のHTTPSエンドポイント
• オートスケーリング: トラフィックに応じて自動的にスケールします。
• モニタリング: リクエストメトリクスとログ

デプロイ後、すべてのエンドポイントを Deploy サイドバーのセクションには、アクティブなデプロイメントを表示するグローバルマップ、概要メトリクス、およびすべてのエンドポイントのリストが表示されます。

エンドポイントについて詳しくはこちらをご覧ください。

リモートトレーニング（任意）

ご自身のハードウェアでトレーニングを行うことをお望みなら、APIキーを使用してメトリクスをプラットフォームにストリーミングできます。これはWeights & Biases と同様の仕組みですWeights & Biases どこでもトレーニングを行い、プラットフォーム上で監視できます。

1. APIキーを生成する Settings > Profile (APIキーセクション)
2. 環境変数を設定し、 project/name フォーマット:

export ULTRALYTICS_API_KEY="YOUR_API_KEY"

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

APIキー、データセットURI、およびリモートトレーニングについて詳しくはこちらをご覧ください。

フィードバックとヘルプ

サイドバーのフッターにある「ヘルプ」ページから、Ultralyticsフィードバックを送信できます。利用体験の評価やフィードバックの種類（バグ報告、機能リクエスト、その他）の選択、スクリーンショットの添付が可能です。

さらにサポートが必要な場合は：

• AIチャット: 任意のページにあるフローティングチャットウィジェットをクリックすると、すぐにヘルプが得られます。
• ドキュメンテーション: データセット、アノテーション、トレーニング、デプロイ、請求に関する詳細なガイドについては、これらのドキュメントを参照してください。
• Discord: 議論のためにDiscordコミュニティにご参加ください。
• GitHub: GitHubで問題を報告してください。
• REST API: すべてのプラットフォーム機能へのプログラムによるアクセスについては、APIリファレンスを参照するか、対話型APIドキュメントをお試しください。

📅 2ヶ月前に作成✏️ 4日前に更新

コメント