Link to this sectionUltralytics 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な操作ができるよう設計されており、ユーザーはデータセットを素早くアップロードし、新しい YOLO モデルを学習させることができます。多様な事前学習済みモデルを選択できるため、簡単に開始できます。モデルの学習が完了すれば、ブラウザ上で直接テストし、ワンクリックで本番環境にデプロイ可能です。

以下のインタラクティブな図は、Ultralytics Platform ワークフローの4つの主要ステージを示しています。各ステージやサブステップをクリックすると、そのセクションの詳細な手順にアクセスできます。

graph LR
    A(Sign Up) --> B(Prepare Data) --> C(Train) --> D(Deploy)
    A -.- A1["<a href='#get-started'>Create account</a><br/><a href='#region-selection'>Select region</a>"]
    B -.- B1["<a href='#upload-your-first-dataset'>Upload dataset</a><br/><a href='#create-your-first-project'>Create Project</a>"]
    C -.- C1["<a href='#training-configuration'>Configure training</a><br/><a href='#monitor-training'>Monitor progress</a>"]
    D -.- D1["<a href='#test-your-model'>Test model</a><br/><a href='#deploy-to-production'>Deploy endpoint</a>"]

    click A "#get-started"
    click B "#upload-your-first-dataset"
    click C "#train-your-first-model"
    click D "#deploy-to-production"

Link to this section開始する#

Ultralytics Platform では、さまざまな簡単なサインアップ方法を提供しています。Google または GitHub アカウントを使用して登録・ログインするか、メールアドレスで登録できます。

Link to this sectionリージョン選択#

オンボーディング中に、データリージョンの選択を求められます。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、最も近いリージョンを推奨します。これは、データ、モデル、およびデプロイメントが保存される場所を決定するため、重要な選択となります。

Link to this section無料クレジット#

すべてのアカウントは、クラウド GPU 学習用の無料クレジットを受け取ります：

Link to this sectionプロフィールの入力#

オンボーディングフローは、以下の3つのステップで進みます：

1. プロフィール - 表示名、一意のユーザー名（永久的で後から変更不可）、組織名（任意）、および主なユースケースを入力します
2. データリージョン - レイテンシを表示する世界地図を見ながら、US、EU、または AP を選択します
3. 完了 - 選択内容を確認し、オプションでプロモーションコードを適用し、サインアップを完了してウェルカムクレジットを受け取ります

Link to this sectionホームダッシュボード#

ログイン後、Ultralytics Platform のホームページへ移動します。ここにはワークスペースの統計情報が載ったウェルカムカード、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が表示されます。

Link to this section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すべてのセクションにアクセスできます：

Link to this section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：

Link to this sectionクイックアクション#

ウェルカムカードの下には、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ロップしてアップロードします。最近のデータセットが表示されます。
• プロジェクト: 新しいプロジェクトを作成するか、.pt モデルファイルをドロップしてアップロードします。最近のプロジェクトが表示されます。
• ストレージ: プランの上限を含む、ストレージ使用状況（データセット、モデル、エクスポート）の概要。

下部にある 最近のアクティビティ テーブルには、最新のデータセット、モデル、および学習実行が表示されます。

Link to this sectionグローバル検索#

Cmd+K (Mac) または Ctrl+K (Windows/Linux) を押して検索バーを開きます。ページ、プロジェクト、データセット、デプロイメント全体を即座に検索できます。

Link to this sectionAI 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。クリックすると、YOLO の学習、アノテーション、デプロイメント、またはプラットフォームの機能に関する質問ができます。アシスタントは現在のページに基づいたコンテキストに応じたヘルプを提供します。

Link to this sectionオンボーディングツアー#

プラットフォームには、各セクションを操作する際に主要な機能を紹介するガイド付きツアーが含まれています：

Link to this sectionツアーの再開#

ツアーをやり直すには：

• ツアーをやり直すボタン — サイドバー左下のプロフィールアバター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、各セクションを次に訪れた際に再表示されます。
• URLパラメータ — platform.ultralytics.com/home?tour=nav にアクセスすると、ナビゲーションツアーを直接再開できます。

Link to this section最初のデータセットをアップロードする#

サイドバーの Annotate に移動し、New Dataset をクリックして学習データを追加します。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可能です。

Ultralytics Platformは複数のアップロード形式をサポートしています（詳細は Datasets を参照してください）：

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自動的にデータを処理します：

1. 4096pxを超える画像はサイズ変更されます（アスペクト比を維持）
2. 高速ブラウジング用に256pxのサムネイルが生成されます
3. ラベルは解析および検証されます（YOLO .txt format）
4. 統計が計算されます（クラス分布、ヒートマップ、寸法）

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

datasets およびサポートされている形式（detect、segment、pose、OBB、classify）の詳細をお読みください。

Link to this section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。Projectsに移動し、"Create Project" 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の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：

• Models: 学習済みチェックポイント

projects の詳細をお読みください。

Link to this section最初のモデルを学習する#

プロジェクトから New Model をクリックして、クラウド学習を開始します。

Link to this section学習設定#

1. Select Dataset: アップロードしたデータセットから選択します（train split を持つデータセットのみが表示されます）
2. Choose Model: ベースモデルを選択します。公式のUltralyticsモデル、または学習済みの独自のモデルを選択可能です
3. Set Epochs: 学習反復回数（デフォルト：100）
4. Select GPU: 予算とモデルサイズに基づいてコンピューティングリソースを選択します。デフォルトは RTX PRO 6000（96 GB Blackwell、1.89ドル/時間）で、すべてのYOLO26バリアントを扱えます。全リストとティア制限については、GPU pricing table または Cloud Training GPU step を参照してください。

Link to this section学習を監視する#

学習が開始されると、3つのサブタブを通じて進行状況をリアルタイムで監視できます：

メトリクスはSSE（Server-Sent Events）経由でリアルタイムにストリーミングされます。学習完了後、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。

cloud training の詳細をお読みください。

Link to this sectionモデルをテストする#

学習完了後、ブラウザで直接モデルをテストします：

1. モデルの Predict タブに移動します
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します（ドロップ時に自動推論）
3. キャンバス上に描画されたバウンディングボックスで推論結果を表示します

推論パラメータを調整します：

Predict タブでは、実際のAPIキーがあらかじめ入力された、すぐに使用可能なコード例を提供しています：

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())

inference の詳細をお読みください。

Link to this section本番環境へのデプロイ#

本番運用向けに専用エンドポイントへモデルをデプロイします：

1. モデルの Deploy タブに移動します
2. インタラクティブな世界地図からリージョンを選択します（43リージョン利用可能）
3. 地図には、緑から赤へのグラデーションでリアルタイムのレイテンシ測定値が表示されます（レイテンシが低いほど緑、高いほど赤）
4. Deploy をクリックしてエンドポイントを作成します

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分で準備が整い、以下が提供されます：

• Unique URL: API呼び出し用のHTTPSエンドポイント
• Scale-to-zero動作: アイドル時のコンピューティングコストはゼロ（デプロイメントは現在、単一の有効なインスタンスで実行されます）
• Monitoring: リクエストメトリクスとログ

デプロイ後、サイドバーの Deploy セクションからすべてのエンドポイントを管理できます。ここには、アクティブなデプロイメントを示すグローバルマップ、概要メトリクス、すべてのエンドポイントのリストが表示されます。

endpoints の詳細をお読みください。

Link to this sectionリモート学習（オプション）#

自身のハードウェアで学習したい場合は、APIキーを使用してプラットフォームにメトリクスをストリーミングできます。これは Weights & Biases と同様の仕組みで、どこで学習してもプラットフォーム上で監視可能です。

1. Settings > API Keys でAPIキーを生成してください。
2. 環境変数を設定し、project/name形式でトレーニングを実行します。

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の詳細をご覧ください。

Link to this section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には、アプリ内フィードバックフォームが含まれています。体験の評価、フィードバックの種類（バグ、機能リクエスト、または全般）の選択、および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：

• AI Chat: どのページでも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
• Documentation: データセット、アノテーション、トレーニング、デプロイ、請求に関する詳細ガイドについては、このドキュメントを参照してください
• Discord: Discordコミュニティに参加して議論しましょう
• GitHub: GitHubで問題を報告してください
• REST API: すべてのPlatform機能へのプログラムによるアクセスについては、APIリファレンスを確認するか、インタラクティブAPIドキュメントをお試しください