モデル

Ultralytics Platformは、YOLOモデルのトレーニング、分析、デプロイに関する包括的なモデル管理を提供します。事前学習済みモデルをアップロードしたり、プラットフォーム上で直接新しいモデルをトレーニングしたりできます。

モデルのアップロード

既存のモデル重みをプラットフォームにアップロードする：

1. プロジェクトに移動します。
2. ドラッグ＆ドロップ .pt ファイルをプロジェクトページまたはモデルサイドバーにドラッグします
3. モデルのメタデータはファイルから自動的に解析されます

複数のファイルを同時にアップロードできます（最大3ファイルまで同時）。

対応モデルフォーマット：

アップロード後、プラットフォームはモデルのメタデータを解析します。

• タスクタイプ (detect, segment,姿勢,OBB, classify)
• アーキテクチャ（YOLO26n、YOLO26sなど）
• クラス名と数
• 入力サイズとパラメータ
• トレーニング結果とメトリクス（チェックポイントに存在する場合）

モデルのトレーニング

プラットフォーム上で直接新しいモデルをトレーニングする：

1. プロジェクトに移動します。
2. 新しいモデルをクリックします。
3. ベースモデルとデータセットを選択
4. トレーニングパラメータを設定します。
5. クラウドまたはローカルトレーニングを選択してください
6. トレーニングを開始します。

詳細な手順についてはクラウドトレーニングを参照してください。

モデルライフサイクル

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

モデルページタブ

各モデルページには、以下のタブがあります。

概要タブ

モデルのメタデータと主要なメトリクスを表示します:

• モデル名（編集可能）、ステータスバッジ、タスクタイプ
• 最終メトリクス (mAP50, mAP50-95, precision, recall)
• トレーニングの進捗状況を示すメトリック・スパークラインチャート
• トレーニング引数（エポック数、バッチサイズ、画像サイズなど）
• データセットリンク（プラットフォームデータセットで学習した場合）
• モデルウェイトのダウンロードボタン

列車タブ

「列車」タブには3つのサブタブがあります：

チャートサブタブ

損失曲線とエポックごとの性能指標を示すインタラクティブなトレーニング指標チャート：

コンソールサブタブ

トレーニングプロセスのライブコンソール出力：

• トレーニング中のリアルタイムログストリーミング
• エポックのプログレスバーと検証結果
• 強調表示されたエラーバナーによるエラー検出
• フォーマットされた出力のためのANSIカラーサポート

システムサブタブ

トレーニング中のGPUGPU システムメトリクス：

予測タブ

インタラクティブな推論をブラウザ内で直接実行:

• 画像をアップロードする、URLを貼り付ける、またはウェブカメラを使用する
• 結果の表示にはバウンディングボックス、マスク、またはキーポイントを使用します
• 画像が提供された場合の自動推論
• すべてのタスクタイプをサポートします（detect, segment、姿勢、OBB、 classify)

エクスポートタブ

モデルを17以上のデプロイ形式にエクスポートします。詳細については、以下の モデルのエクスポート とコア エクスポートモードガイド を参照してください。

デプロイタブ

専用の推論エンドポイントを作成および管理します。デプロイメントで詳細を確認してください。

検証プロット

トレーニング完了後、詳細な検証分析を表示:

混同行列

クラスごとの予測精度を示すインタラクティブなヒートマップ:

PR/F1曲線

異なる信頼度しきい値でのパフォーマンス曲線:

モデルのエクスポート

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

モデルを17以上のデプロイ形式にエクスポートします:

1. エクスポートタブに移動します
2. ターゲット形式を選択
3. エクスポート引数（画像サイズ、半精度、動的など）を設定
4. GPUを必要とする形式（TensorRT）の場合、GPUタイプを選択してください
5. エクスポートをクリック
6. 完了したらダウンロード

対応フォーマット

プラットフォームは17以上のデプロイ形式へのエクスポートをサポートしています：ONNX、TorchScript、OpenVINO、TensorRT、CoreML、TF SavedModel、TF GraphDef、TF 、TF TPU、TF.js、PaddlePaddle、NCNN、MNN、RKNN、IMX500、Axelera、およびExecuTorch。

フォーマット選択ガイド

RKNNチップサポート

RKNN形式でエクスポートする際は、対象のRockchipデバイスを選択してください：

エクスポートジョブのライフサイクル

エクスポートジョブは以下のステータスで進行します:

一括エクスポートアクション

• すべてエクスポート: クリック Export All すべてのCPUフォーマットに対して、デフォルト設定でエクスポートジョブを開始する。
• すべてをエクスポートを削除: クリック Delete All モデルのすべてのエクスポートを削除する。

フォーマットの制限

一部のエクスポート形式にはアーキテクチャまたはタスクの制限があります：

モデルをクローン

モデルを別のプロジェクトにクローンします。

1. モデルページを開く
2. クローンボタンをクリックします。
3. 目的のプロジェクトを選択してください
4. クローンをクリック

モデルとその重みはターゲットプロジェクトにコピーされます。

モデルをダウンロードする

モデルウェイトをダウンロード:

1. モデルの「概要」タブに移動してください
2. ダウンロードボタンをクリックします。
3. 原本 .pt ファイルは自動的にダウンロードされます

エクスポートが完了すると、エクスポートされた形式は エクスポート タブからダウンロードできます。

データセットのリンク

モデルは元のデータセットにリンクできます。

• トレーニングに使用されたデータセットを表示
• 概要タブのデータセットカードをクリックして、それに移動します。
• trackデータリネージ

プラットフォームデータセットを使用してトレーニングする場合 ul:// URI形式、リンクは自動です。

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

表示設定

モデルの公開範囲を制御します。

表示状態を変更するには、表示バッジ（例： private または public)をモデルページで設定します。プライベートへの切り替えは即座に有効になります。パブリックへの切り替えは、適用前に確認ダイアログが表示されます。

モデルの削除

不要になったモデルを削除します。

1. モデルアクションメニューを開く
2. 削除をクリックします
3. 削除を確認

参照

• 推論: ブラウザの「Predict」タブでモデルをテストする
• エンドポイント: 専用のエンドポイントを使用してモデルを本番環境にデプロイする
• クラウドトレーニング: クラウドGPUでトレーニングジョブを設定し、実行する
• エクスポート形式: 17種類以上のエクスポート形式すべてに関する完全ガイド

よくある質問

どのようなモデルアーキテクチャがサポートされていますか？

Ultralytics 、専用のプロジェクトを通じてすべてのYOLO 完全にサポートします：

• YOLO26: n、s、m、l、xバリアント（最新、推奨） — platform.ultralytics.com/ultralytics/yolo26
• YOLO11: n、s、m、l、xバリアント — platform.ultralytics.com/ultralytics/yolo11
• YOLOv8: n、s、m、l、xバリアント — platform.ultralytics.com/ultralytics/yolov8
• YOLOv5: n、s、m、l、xバリアント — platform.ultralytics.com/ultralytics/yolov5

すべてのアーキテクチャは5つのタスクタイプ、すなわちdetect、segment、pose、OBB、およびclassifyをサポートしています。

学習済みモデルをダウンロードできますか？

はい、モデルページからモデルの重みをダウンロードできます：

1. 概要タブのダウンロードアイコンをクリックします。
2. 原本 .pt ファイルは自動的にダウンロードされます
3. エクスポートされた形式はエクスポートタブからダウンロードできます

プロジェクト間でモデルを比較するにはどうすればよいですか？

現在、モデルの比較はプロジェクト内で行われます。プロジェクト間で比較するには：

1. モデルを単一のプロジェクトにクローンするか、
2. メトリクスをエクスポートして外部で比較します。

最大モデルサイズはどのくらいですか？

厳密な制限はありませんが、非常に大きなモデル（2GB超）の場合、アップロードと処理に時間がかかることがあります。

事前学習済みモデルをファインチューニングできますか？

はい！公式のYOLO26モデルをベースとして使用することも、トレーニングダイアログのモデルセレクターからご自身が完成させたモデルを選択することも可能です。プラットフォームは、アップロードされた任意のチェックポイントからの微調整をサポートしています。

📅 2ヶ月前に作成✏️ 3日前に更新

コメント