オンプレミス#

On Premise により、エンタープライズのワークスペースでLinux、macOS、またはWindowsのコンピュータ上のデータセットとコンピュートを利用できるようになります。ソースの画像や動画はコンピュータ上に残ります。トレーニングの動作は他のremote trainingの場所と同様であり、メトリクスはPlatformにストリーミングされ、完了したモデルウェイトはダウンロード、予測、エクスポート、デプロイのためにアップロードされます。

セットアップは1つのコマンドで完了します。PlatformがOSを検出し、適切なフォルダ位置を自動入力し、必要に応じてDockerをインストールして、接続の進行状況をリアルタイムで表示します。

仕組み#

flowchart LR
    A[Your browser] <-->|Interface, labels, and progress| B[Ultralytics Platform]
    A <-->|Dataset previews| C[Your On Premise computer]
    B <-->|Jobs, metrics, and model weights| C
    C --- D[(Dataset folder)]
    C --- E[(Models folder)]

データの境界#

モデルの重み、ラベル、アノテーション、およびメトリクスには、画像から学習された情報が含まれる可能性があります。データセットのピクセルデータのみが厳格なローカル限定の境界となります。クラウド予測は、ユーザーがそのクラウドワークフローに別途送信した画像のみを処理します。ワーカーがマウントされたデータセットから画像を転送することはありません。

始める前に#

Platform が使用している間アクセス可能であり、電源が入った状態を維持できるコンピュータを選択します:

GPUはオプションです。すべてのコンピュータでデータセットの取り込みとCPUによるモデルトレーニングが可能です。互換性のあるNVIDIA GPUを使用すると、大規模なトレーニングジョブを高速化できます。

コンピュータの接続#

1. データセットにアクセスできるコンピュータ上でUltralytics Platformを開きます。
2. Settings > Integrationsに移動し、統合リストからOn Premiseを選択します。
3. 自動入力されたDataset folder on this machineおよびModels folder on this machineのパスを確認します。
4. Create install commandを選択します。
5. ダイアログに表示されたターミナルを開き、コマンドをコピーして貼り付け、Enterキーを押します。
6. 進捗インジケーターにConnectedが表示されるまで、Integrationsページを開いたままにします。

このページでは、コマンドの実行、ワーカーファイルのダウンロード、Docker イメージのダウンロード、ワーカーのビルド、起動、接続の確認という 6 つのセットアップステップをライブで追跡できるため、ターミナルを読むことなく進行状況を確認できます。ホストを接続するには、ワークスペースエディタの役割とアクティブな Enterprise プランが必要です。別のプランのワークスペースでは、インストールコマンドの代わりに、ガイド付きの On Premise ウォークスルーを要求する Continue ボタンが表示されます。

コマンドをコピーする前に、Platformがフォルダと一度限りの接続トークンを自動的に入力します。生成されるコマンドは以下の形式に従います：

curl -fsSL 'https://platform.ultralytics.com/api/workers/install?os=linux' \
  | sudo sh -s -- \
    "/datasets" \
    "/models" \
    "YOUR_CONNECTION_TOKEN"

デフォルト設定のままで動作します：

セットアップコマンドによりこれらのフォルダが作成され、必要に応じてDockerがインストールおよび起動され、コンピュータの起動時に接続が再開されるように構成されます。セットアップ完了前に、OSからインストールや再起動の承認を求められる場合があります。

Dockerベースイメージ#

インストーラーは1つのコンテナを実行し、ホスト用のofficial Ultralytics base imageを選択します。

インストーラーは、ホスト向けにバージョンが固定された公式イメージを選択します。ワーカーはUltralyticsを再インストールすることなく、接続依存関係を追加します。セットアップ中にCUDAを検出するため、NVIDIAホストではCPUとGPUの別々のワーカーではなく、1つのコンテナーが実行されます。最適なチェックポイントのアップロード後、Platformのクラウドサービスがモデルの予測とエクスポートを処理します。

データセットの追加#

1. 設定したデータセットフォルダ内にデータセットを配置します。
2. Platformで、New Dataset > On Premise を選択します。
3. 接続したコンピュータを選択します。
4. データセットフォルダを参照し、タスクを選択してCreateを選択します。

Platformがローカルでデータセットをインデックス化し、アップロードやクラウドストレージのデータセットと同じギャラリーで開きます。ピクセルデータをアップロードすることなく、画像のプレビュー、ラベルの確認、データセットのフィルタリング、アノテーションを行うことができます。

サポートされているデータ#

On Premiseは、アップロードされたデータと同じ取り込み形式およびコンピュータビジョンタスクをサポートしています：

• 画像および動画
• ZIP, TAR, TAR.GZ, 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
• 検出、セグメンテーション、セマンティック、分類、姿勢推定、および指向性バウンディングボックス（OBB）タスク

Platform は一般的なデータセットのレイアウト、クラス、ラベル、および訓練/検証/テストの分割を自動的に認識します。データセットフォルダは読み取り専用でマウントされるため、Platform がソースファイルをサイズ変更、再エンコード、編集、または削除することは一切ありません。取り込み時に派生したもの（抽出されたアーカイブ、ダウンロードされた NDJSON アセット、ビデオフレームなど）は、同じコンピュータ上のプライベートな Docker ボリュームに書き込まれます。

プレビューとアノテーション#

画像を開くと、ブラウザが接続されたコンピュータから直接画像を読み込みます。証明書、ホスト名、VPN、プレビュー構成の設定は不要です。

アノテーションとデータセットの構成はPlatformワークスペースに保存されますが、Platform上での編集が元のソース画像やラベルファイルを変更することはありません。

モデルのトレーニング#

通常のPlatformのトレーニングダイアログからトレーニングを開始します：

1. プロジェクトを開き、New Modelを選択します。
2. On Premiseデータセットを選択します。
3. モデルとトレーニング設定を選択します。
4. トレーニングを開始します。

Platformは接続されたコンピュータ上でジョブを実行します。利用可能なNVIDIA GPUを使用するか、自動的にCPUにフォールバックするため、Macでも専用のGPUハードウェアなしでCOCO8上のYOLO26nのような小規模なモデルをトレーニングできます。

トレーニングファイルは、実行中、設定されたモデルフォルダに書き込まれます。Ultralyticsパッケージは、顧客管理のマシンと同様のリモートトレーニング用コールバックを使用します。進捗状況やメトリクスはPlatformにストリーミングされ、ベストチェックポイントはPlatformストレージにアップロードされます。また、完了したモデルは既存のダウンロード、予測、エクスポート、デプロイのパスで使用可能になります。その他のトレーニング成果物はモデルフォルダに保持されます。On PremiseでのトレーニングはPlatformのコンピューティングクレジットを消費せず、Platformがトレーニングジョブをクラウドコンピューティングに送信することもありません。

接続の管理#

Settings > Integrations を開いて、接続されている各コンピュータ、そのホスト名とハードウェア、および CPU と GPU が現在オンラインであるかどうかを確認します。ホストは継続的にレポートを送信するため、シャットダウンされたり接続が切断されたりしたコンピュータはオフラインとして表示され、クラウド計算にフォールバックするのではなく、そのデータセットが一時的に利用できなくなります。

Reconnect は、以前に切断したホストに対して新しいインストールコマンドを発行します。同じホストレコードを再利用するため、既存のデータセットが再インポートされることなく動作を再開します。

Disconnect は、そのホストのアクセスを即座に取り消します。進行中の訓練を含め、そこにバインドされたキュー内、開始中、および実行中のジョブはキャンセルされ、まだインポート中であったデータセットは On Premise host disconnected during ingest. で失敗します。インポートが完了したデータセットはクラス、ラベル、アノテーションを保持しますが、再接続するまでプレビューや訓練を行うことはできません。コンピュータから何も削除されず、Platform にすでにアップロードされているモデルは利用可能なままになります。

現在の制限事項#

• スキャンなし。 データセットは作成時に一度だけインデックス付けされます。その後ソースファイルが変更されても、Platform はそれを検出しません。変更を反映させるには新しいデータセットを作成してください。
• Platform コピー機能は利用できません。 On Premise データセットでは、画像の Platform 所有のコピーを必要とする機能（自動アノテーション、クラスタリング分析、データセットのクローン、および不変のバージョン スナップショット）が除外されます。
• 訓練は移動しません。 実行中にワーカープロセスが停止した場合、他の場所で再起動するのではなく、実行は失敗します。
• モデルファイルはホスト上に残ります。 Platform 内でモデルを削除またはゴミ箱に移動しても、Platform から削除されるだけで、モデルフォルダからは削除されません。実行が不要になったときは、そのフォルダをご自身でクリーンアップしてください。

On Premise データセット、またはそこから個々の画像を削除しても、Platform の参照とアノテーションのみが削除されます。ファイルが変更されることは一切ありません。

セットアップが完了しない場合#

• Dockerが権限を要求する場合： プロンプトを承認し、Dockerの起動を待ちます。セットアップが自動的に続行されます。
• Windowsで再起動を求められた場合: コンピュータを再起動し、Settings > Integrationsに戻って新しいインストールコマンドを作成します。
• セットアップコマンドの期限が切れた場合： 新しいインストールコマンドを作成してください。各コマンドは一時的なもので、1回のみ有効です。
• 接続がオフラインのままの場合： Docker Desktopを開き、新しく生成されたコマンドを再実行し、On Premiseが実行中であることを報告するまでターミナルを開いたままにしてください。
• プレビューが読み込まれない場合: 接続されたコンピュータ上のブラウザでPlatformを開いてください。データセットのプレビューは、そのコンピュータから直接提供されます。
• ワーカーログが必要です: インストーラーは Linux では /opt/ultralytics-worker に、macOS および Windows では ~/.ultralytics/worker に書き込みます。そのフォルダから docker compose logs -f を実行してワーカーを追跡します。

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