Link to this sectionオンプレミス#

On Premiseは、独自のLinux、Apple Silicon macOS、またはWindowsホスト上のCPUやオプションのNVIDIA GPUワーカーをUltralytics Platformに接続します。UI、認証、メタデータ、アノテーション、ジョブオーケストレーションのためのホスト型コントロールプレーンはPlatformが担いますが、すべてのピクセルデータや学習済みモデルのアーティファクトはオンプレミスに保持されます。

ホストにはDockerと、PlatformへのアウトバウンドHTTPSアクセスが必要です。インストーラーはDockerがない場合に自動で追加するため、通常のセットアップは1つのコマンドで完了します。

Link to this sectionシステム要件#

CPUによる取り込みと学習はこれら3つのオペレーティングシステムすべてで動作します。インストーラーはApple SiliconおよびARM Linux上で公式のネイティブarm64イメージを選択するため、COCO8上でのYOLO26nのような小さなジョブはx86エミュレーションなしで実行されます。NVIDIAによる高速化はオプションであり、利用できない場合はCPU上で学習が実行されます。

Link to this sectionデータ境界#

データセットフォルダは読み取り専用でマウントされます。Platformおよびそのホスト型ワーカーは、ソースまたは派生したピクセルデータを受け取ることはなく、On PremiseジョブがUltralyticsやRunPodのコンピューティングリソースにフォールバックすることもありません。

Link to this sectionホストを接続する#

1. データセットにアクセス可能なLinux、Apple Silicon macOS、またはWindowsホスト上で、Ultralytics Platformを開きます。
2. Settings > Integrations に移動し、On Premiseカードの Connect を選択します。
3. Platformは検出されたLinux、macOS、またはWindowsコマンドを選択します。macOSではApple Siliconが必須です。事前入力された値を保持するか、変更してください。
   • マシン名: On Premise host
   • データセットフォルダ: Linuxでは /datasets、macOSおよびWindowsでは ~/Ultralytics/datasets
   • モデルフォルダ: Linuxでは /models、macOSおよびWindowsでは ~/Ultralytics/models
4. Create install command を選択します。ダイアログに、選択したオペレーティングシステムで開くべきターミナルが表示されます。
5. コマンド全体をコピーしてターミナルに貼り付け、実行します。このコマンドには使い捨ての登録トークンが含まれており、必要に応じてDockerをインストールおよび起動し、選択したフォルダを作成します。
6. ダイアログは開いたままにしてください。Platformは500ミリ秒ごとに確認を行い、CPUワーカーが起動するとホストが接続中として表示されます。DockerがサポートされているNVIDIAランタイムを公開すると、GPUワーカーが自動的に起動します。

登録トークンは10分後に期限切れとなり、一度しか使用できません。インストールされたワーカーは、生成された失効可能なワーカーキーをモード0600の環境ファイルに保存します。このワーカーがPlatformのMongoDBやクラウドストレージの認証情報を受け取ることはありません。Composeはワーカーを自動的に再起動し、セットアップにより、Linuxでは起動時、macOSとWindowsではサインイン時にDockerが開始されるよう構成されます。

Link to this sectionOn Premiseデータセットを作成する#

1. データセットを接続済みデータセットフォルダの下に配置します。例えば、/datasets/warehouse はデフォルトルート内の warehouse になります。
2. Platformで、New Dataset > On Premise を選択します。
3. Google Cloud Storage、Amazon S3、Azure Blob Storageで使用されるものと同じフォルダブラウザで接続済みホストを参照し、フォルダを選択してタスクを選び、プライベートデータセットを作成します。
4. ホストはデータセットをインデックス化してメタデータを報告します。Platformが画像をアップロードすることはありません。

On Premiseはホスト型アップロードと同じCPU取り込みコードを使用します。以下をサポートしています。

• 個別の画像および動画
• ZIP、TAR、TAR.GZ、およびTGZアーカイブ
• Ultralytics NDJSONおよびCOCO JSON
• YOLOデータセットおよび分類用フォルダレイアウト
• detect、segment、pose、OBB、classifyタスク。クラスマッピング、タスク推論、バリデーション、および分割処理も同様です。

ストレージ出力のみが異なります。ホスト型インジェストでは、画像をリサイズや正規化し、Platformストレージ内にサムネイルを作成する場合があります。On Premiseではマウントされた元データをリサイズ、再エンコード、編集、削除することはありません。アーカイブの内容、リモートNDJSONアセット、および1 FPSで最大100フレームまでサンプリングされたビデオフレーム（それ以降は長い動画全体に均等にサンプリング）は、ホスト上のDockerボリュームのみに書き込まれます。

Link to this sectionプレビューとアノテーション#

Platformが各プレビューを認証し、ブラウザが同じコンピュータ上の http://localhost:8765 からリビジョンに紐付いたファイルを直接読み込みます。ホスト名、証明書、VPN、プロキシ、プレビュー設定は不要です。

アノテーションはPlatformのメタデータとして保存されます。Platform上で画像を編集または削除しても、変更されるのはPlatformの参照とアノテーションのみであり、ソースファイルやラベルのサイドカーファイルが変更されることはありません。

Link to this sectionローカルで学習する#

通常のプロジェクト学習ダイアログから学習を開始します。On Premiseホストに紐付いたデータセットは、そのホストからのみ要求可能です。Platformは利用可能な場合にGPUワーカーを使用し、それ以外の場合は同じ学習コードをCPUワーカーで実行します。学習はマウントされたファイルを読み取り、構成されたモデルフォルダの下にチェックポイントと重みを書き込み、ジョブ状態、スカラーメトリクス、および不変のチェックポイント参照をPlatformに返します。モデルのダウンロードはプレビューと同じ署名付き localhost 接続を使用するため、重みはホストからブラウザへ直接移動します。

On Premiseの学習はPlatformの計算クレジットを消費しません。Ultralyticsのホスト型ワーカーやRunPodがこのジョブを要求したり、そのピクセルデータやアーティファクトを読み取ったりすることはできません。

Link to this sectionワーカーを管理する#

Settings > Integrations の On Premise カードを使用して、CPU/GPUの可用性の確認、ホストの再接続、または接続解除を行います。再接続を行うと、既存のデータセットの識別情報を変更することなくワーカーのシークレットがローテーションされます。接続を解除すると、将来のジョブ要求とプレビューアクセスが無効になりますが、データセット、ソースファイル、キャッシュされたピクセル、またはモデルアーティファクトがホストから削除されることはありません。

Linux上でインストールを検査または停止するには:

cd /opt/ultralytics-worker
docker compose logs -f
docker compose down

macOSおよびWindowsでは、インストーラーが ~/.ultralytics/worker を使用した同等のコマンドを表示します。

Datasets、Annotation、およびCloud Trainingも参照してください。