Ultralytics Platform クイックスタート#

Ultralytics Platform は、データセットのアップロード、新しい YOLO モデルの事前学習済み重みからのトレーニング、完成したモデルのブラウザー上でのテスト、専用推論エンドポイントの設定を行うガイド付きワークフローを提供します。

以下のインタラクティブな図は、Ultralytics Platform ワークフローの4つの主要なステージの概要を示しています。ステージまたは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):::start --> B(Prepare Data):::proc --> C(Train):::proc --> D(Deploy):::out
    A -.- A1["<a href='#get-started'>Create account</a><br/><a href='#region-selection'>Select region</a>"]:::proc
    B -.- B1["<a href='#upload-your-first-dataset'>Upload dataset</a><br/><a href='#create-your-first-project'>Create Project</a>"]:::proc
    C -.- C1["<a href='#training-configuration'>Configure training</a><br/><a href='#monitor-training'>Monitor progress</a>"]:::proc
    D -.- D1["<a href='#test-your-model'>Test model</a><br/><a href='#deploy-to-production'>Deploy endpoint</a>"]:::proc

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

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef out fill:#9C27B0,color:#fff

始める#

Ultralytics Platform では、さまざまな簡単なサインアップ方法を利用できます。Google または GitHub のアカウント、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。

リージョンの選択#

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。Platform 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。この選択によって、データセット、モデル、管理対象のトレーニングデータを保存する場所が決まります。専用エンドポイントのリージョンは、モデルのデプロイ時に個別に選択します。

無料クレジット#

新しいアカウントには、クラウド GPU トレーニング用の無料クレジットが付与されます。

プロフィールを完成させる#

オンボーディングフローでは、次の3つのステップに沿って進みます。

1. プロフィール - 表示名、一意のユーザー名（永続的で、後から変更できません）、組織（任意）、主な利用目的を入力します
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を使用して、US、EU、または AP を選択します
3. 完了 - 選択内容を確認し、必要に応じてプロモーションコードを適用して、サインアップを完了し、ウェルカムクレジットを受け取ります

ホームダッシュボード#

サインインすると、Ultralytics Platform のホームページに移動します。ここでは、ワークスペースの統計情報を表示するウェルカムカード、概要動画、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、最近のアクティビティフィードが提供されます。

サイドバーナビゲーション#

サイドバーから、Platform のすべてのセクションにアクセスできます。

各コンテンツセクションには、最新5件の項目と残りの項目へのリンクが表示されます。項目にカーソルを合わせると削除アクションが表示され、項目はゴミ箱に移動されます。ゴミ箱には検索（Cmd+K）からアクセスするか、platform.ultralytics.com/trash を開いてアクセスできます。

ウェルカムカード#

ウェルカムカードには、プロフィール、プランバッジ（プラン比較にリンク）、ワークスペースの統計情報が一目で確認できる形で表示されます。 各統計情報は、対応するワークスペースビューにリンクしています。

クイックアクション#

ウェルカムカードの下に、ダッシュボードには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: プランの上限とともに、ストレージ使用量（データセット、モデル、エクスポート）の概要を表示します。

下部の 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、プロジェクト、デプロイと、それらのステータスおよび最終更新時刻が表示されます。

グローバル検索#

Cmd+K（Mac）または Ctrl+K（Windows/Linux）を押すと、検索バーが開きます。ページ、プロジェクト、データセット、デプロイを対象に即座に検索できます。

AIチャットアシスタント#

Ask AIをクリックして、Ultralytics Platform全体でタスクを自動化するAIエージェントと連携します。データセットやモデルと直接連携して、画像のアノテーション、トレーニング実験の実行、結果の比較、モデルのエクスポートやデプロイを行います。独自のコーディングエージェント向けのサンプルプロンプトやセットアップについては、AutoTrain with Ask AIを参照してください。

オンボーディングツアー#

Platform には、さまざまなセクションを探索する際に主要な機能を紹介するガイド付きツアーが用意されています。

ツアーを再開する#

ツアーを再度表示するには、次の操作を行います。

• Redo Tour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アカウントメニューを開き、Redo Tour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、次回各セクションにアクセスした際に再表示されます。
• URLパラメーター — ツアーIDを付けて?tour=を追加すると、特定のツアーを直接再開できます。ホームページでは?tour=nav、プロジェクトページでは?tour=project、データセットページでは?tour=datasetを使用します。

最初のデータセットをアップロードする#

サイドバーでAnnotateを開き、+をクリックして新しいデータセットを作成します。ホームダッシュボードのDatasets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。

New Datasetダイアログには4つのソースがあります。このクイックスタートではUploadを使用します。その他のソースについてはDatasetsおよびIntegrationsを参照してください。

アップロードでは複数の形式がサポートされています（詳細はDatasetsを参照してください）。

graph LR
    A[Drop Files]:::start --> B[Auto-Package ZIP]:::proc
    B --> C[Upload to Storage]:::proc
    C --> D[Process Data]:::proc
    D --> E[Resize & Thumbnail]:::proc
    E --> F[Parse Labels]:::proc
    F --> G[Compute Statistics]:::proc
    G --> H[Dataset Ready]:::out

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef out fill:#9C27B0,color:#fff

アップロード後、Platform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たままリサイズされます
2. 高速なブラウジング用に256pxのサムネイルが生成されます
3. YOLO、COCO、Ultralytics NDJSONのラベルが解析および検証されます
4. 統計情報（クラス分布、ヒートマップ、サイズ）が計算されます

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、detect、segment、pose、OBB、classifyでサポートされる形式について詳しく説明しています。

最初のプロジェクトを作成する#

プロジェクトを使用すると、関連するモデルと実験を整理できます。サイドバーでTrainを開き、+をクリックしてプロジェクトを作成します。ホームダッシュボードのProjectsカードに.ptの重みをドロップすると、プロジェクトを作成して1ステップでインポートすることもできます。

名前と任意の説明を入力します。プロジェクトは、モデルの実行や、インポートまたはクローンされたモデルの重みを整理し、完了したトレーニング結果を比較するためのチャートを備えています。

プロジェクトについて詳しく説明しています。

最初のモデルをトレーニングする#

プロジェクトからNew Modelをクリックして、Train New Modelダイアログを開きます。データセットページから開始することもできます。その場合、データセットは固定され、移行先のプロジェクトを選択します。

トレーニング設定#

1. Base Model: 公式のUltralytics重み、または独自にトレーニングしたモデルを選択します。モデルのタスクとデータセットのタスクが一致しない場合、ダイアログに警告が表示されます。
2. Dataset: トレーニング画像が少なくとも1枚、検証またはテスト画像が少なくとも1枚、ラベル付き画像が少なくとも1枚ある準備済みデータセットを選択します
3. Parameters: Epochs（デフォルト100）、Batch Size（空欄の場合は自動）、Image Size（デフォルト640）、および任意の実行Nameを設定します。Advanced Settingsを展開すると、その他のUltralyticsトレーニング引数をYAMLエディターで編集できます。
4. Select GPU: Cloud Trainingタブで、予算とモデルサイズに基づいてコンピュートを選択します。デフォルトはRTX PRO 6000（96 GB Blackwell、$2.09/時間）で、すべてのYOLO26バリアントに対応します。完全な一覧とティアによる利用制限については、GPU料金表またはCloud Training GPUステップを参照してください。
5. Start Training: クレジット残高の横に表示される推定コストと所要時間を確認し、Start Trainingをクリックします。

トレーニングを監視する#

トレーニングが開始されたら、モデルのTrainタブを開き、3つのサブタブで進捗をリアルタイムに監視します。

メトリクスはSSE（Server-Sent Events）を介してリアルタイムでストリーミングされます。バリデーションの成果物が存在すると、ChartsサブタブがTrainingビューとValidationビューに分割され、混同行列、PR曲線、F1曲線がValidationの下に表示されます。

クラウドトレーニングについて詳しく説明しています。

モデルをテストする#

トレーニングが完了したら、ブラウザーでモデルを直接テストできます。

1. モデルのPredictタブに移動します
2. 画像をアップロードするか、ドラッグ＆ドロップするか、Webカメラで撮影するか、サンプル画像をクリックします（ドロップ時に自動推論）
3. タスクに適した予測オーバーレイ、ステージごとの処理時間（前処理、推論、後処理、ネットワーク）、および生のJSONレスポンスを表示します

推論パラメータを調整します。

API DocsのPredictタブには、Python、JavaScript、cURLのサンプルコードが表示されます。コードには、上で選択したパラメーターがあらかじめ入力されています。まずモデルをデプロイし、プレースホルダーのURLとキーをエンドポイントの値に置き換えてください。

import requests

url = "https://your-deployment-url.run.app/predict"
api_key = "YOUR_API_KEY"
args = {"conf": 0.25, "iou": 0.7, "imgsz": 640}

with open("image.jpg", "rb") as f:
    response = requests.post(
        url,
        headers={"Authorization": f"Bearer {api_key}"},
        data=args,
        files={"file": f},
    )

print(response.json())

推論について詳しく説明しています。

本番環境にデプロイする#

本番環境で使用するため、専用エンドポイントに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. Platformは42のすべてのリージョンへのレイテンシを測定し、緑から赤へのグラデーション（レイテンシが低いほど緑、高いほど赤）で色付けして世界地図にプロットします
3. 地図の下にあるRegion Latencyテーブルは、現在地からのレイテンシ順に並んでいます。目的のリージョンを見つけ、Rescanを使用していつでも再測定できます。
4. その行の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]:::start --> B[Deploy]:::proc
    B --> C[Provisioning]:::proc
    C --> D[Running]:::out
    D --> E{Lifecycle}:::decide
    E --> F[Stop]:::error
    E --> G[Delete]:::error
    F --> H[Resume]:::proc
    H --> D

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef decide fill:#FF9800,color:#fff
    classDef out fill:#9C27B0,color:#fff
    classDef error fill:#F44336,color:#fff

プロビジョニングが完了すると、エンドポイントで次の機能を利用できます。

• Unique URL: API呼び出し用のHTTPSエンドポイント
• Scale-to-zero behavior: アイドル状態のエンドポイントはゼロまでスケールします（現在、デプロイメントはアクティブなインスタンスを1つ実行します）
• Monitoring: リクエストのメトリクスとログ

デプロイ後は、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。デプロイメントダッシュボードには、アクティブなデプロイメントを示す世界地図、24時間のメトリクス（総リクエスト数、アクティブなデプロイメント数、エラー率、P95レイテンシ）、およびすべてのエンドポイントの一覧が表示されます。

エンドポイントについて詳しく説明しています。

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する場合は、APIキーを使用して任意の場所でトレーニングし、メトリクスをUltralytics Platformにストリーミングできます。

最も速い方法は、トレーニングダイアログのLocal Trainingタブを使用することです。選択したモデル、データセット、パラメーターに対応する完全なコマンドを作成し、APIキーを入力します（まだAPIキーがない場合は作成します）。コピーしてターミナルで実行してください。

コマンドを自分で組み立てるには、次の手順を実行します。

1. Settings > API KeysでAPIキーを生成します
2. 環境変数を設定し、projectに対する値としてusername/projectを使用してトレーニングします。

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、リモートトレーニングの詳細をご覧ください。

フィードバックとヘルプ#

サイドバーのフッターにあるHelpページには、ドキュメントへのリンク、ビデオチュートリアル、コミュニティリソースがまとめられており、アプリ内フィードバックフォームも用意されています。1～5個の星で利用体験を評価し、フィードバックの種類（Bug、Feature、General）を選択して、スクリーンショットを添付できます。

さらにサポートが必要な場合は、次をご利用ください。

• AI Chat：任意のページで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、すぐにサポートを受けられます
• Documentation：これらのドキュメントで、データセット、アノテーション、トレーニング、デプロイ、請求に関する詳しいガイドをご覧ください
• Discord：ディスカッションに参加するには、Discordコミュニティに参加してください
• GitHub：GitHubで問題を報告してください
• REST APIとPython SDK：APIリファレンスを確認し、ultralytics-platformクライアントをインストールするか、インタラクティブAPIドキュメントを試して、すべてのPlatform機能にプログラムからアクセスしてください

FAQ#