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、事前学習済み重みからの新しいYOLOモデルのトレーニング、ブラウザ上での完了したモデルのテスト、専用推論エンドポイントの設定を行うための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):::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

開始する#

Ultralytics Platformには、簡単ないくつかのサインアップオプションが用意されています。GoogleやGitHubのアカウント、また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、最も近いものを推奨します。この選択によって、データセット、モデル、および管理されたトレーニングデータが保存される場所が決まります。専用のエンドポイントリージョンは、モデルをデプロイする際に別途選択されます。

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：

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

ホームダッシュボード#

サインイン後、Ultralytics Platformのホーム画面に移動します。ホーム画面には、ワークスペースの統計情報が表示されるウェルカムカード、概要ビデオ、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用意されています。

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：

各コンテンツセクションには、直近の5つのアイテムがリスト表示され、残りのアイテムへのリンクが用意されています。アイテムにカーソルを合わせると削除アクションが表示され、ゴミ箱に移動します。ゴミ箱自体には、検索（Cmd+K）または platform.ultralytics.com/trash を開くことでアクセスできます。

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（プラン比較へのリンク）、およびワークスペースの統計情報がひと目でわかるように表示されます。 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。
• Projects: 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 Recent Activity テーブルには、最新のデータセット、プロジェクト、デプロイが、そのステータスと最終更新日時とともに表示されます。

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、デプロイを横断して即座に検索できます。

AI 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。

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：

ツアーの再開#

ツアーをやり直すには：

• ツアーのやり直しボタン — プロフィールアバター（サイドバーの左下）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、各セクションを次に訪れたときに再度再生されます。
• URLパラメータ — ツアーIDを指定して ?tour= を付加すると、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。また、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つのソースが用意されています。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 で説明しています：

アップロードは複数のフォーマットをサポートしています（詳細については 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、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. YOLO、COCO、および Ultralytics NDJSON ラベルがパースおよび検証されます
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detect、segment、pose、OBB、classifyでサポートされている形式の詳細については、こちらをご覧ください。

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、関連するモデルや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。また、ホームダッシュボードの Projects カードに .pt の重みをドロップしてプロジェクトを作成し、一括でインポートすることもできます。

名前とオプションの説明を入力します。プロジェクトでは、モデルの実行やインポート・クローンされたモデルの重みを整理でき、完了したトレーニング結果を比較するためのチャートが表示されます。

projectsの詳細については、こちらをご覧ください。

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、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、データセットが固定され、移行先のプロジェクトを選択することになります。

学習設定#

1. Base Model: 公式の Ultralytics の重み、またはトレーニング済みの独自のモデルのいずれかを選択します。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: 少なくとも1枚のトレーニング画像、少なくとも1枚の検証またはテスト画像、および少なくとも1枚のアノテーション済み画像を含む準備完了済みのデータセットを選択します
3. Parameters: Epochs（デフォルトは 100）、Batch Size（空欄の場合は自動）、Image Size（デフォルトは 640）、およびオプションの実行 Name を設定します。Advanced Settings を展開すると、YAML エディターで他の Ultralytics トレーニング引数を編集できます。
4. Select GPU: Cloud Training タブで、ご予算とモデルのサイズに応じ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）であり、すべての YOLO26 バリアントを処理できます。完全な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。
5. Start Training: クレジット残高の横にあ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。

学習を監視する#

トレーニングが開始されたら、モデルの Train タブを開き、3つのサブタブを通じてリアルタイムで進捗を監視します：

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。検証の成果物が生成されると、Charts サブタブが Training と Validation のビューに分割され、Validation の下には混同行列、PR 曲線、F1 曲線が表示されます。

cloud trainingの詳細については、こちらをご覧ください。

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、ウェブカムからキャプチャ、またはサンプル画像をクリックします（ドロップ時に自動推論されます）
3. タスクに適した予測オーバーレイ、ステージごとのタイミング（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 の下にある Predict タブには、Python、JavaScript、cURL のコード例が表示され、上記で選択したパラメータがあらかじめ入力されています。最初にモデルをデプロイしてから、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())

inferenceの詳細については、こちらをご覧ください。

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. プラットフォームはすべての 42 のリージョンに対する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）で色付けされた世界地図上にプロットします
3. 地図の下にある Region Latency テーブル（現在地からのレイテンシ順にソート）から、目的のリージョンを探します。いつでも再測定するには Rescan を使用します。
4. 該当する行の 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 behavior: アイドル状態のエンドポイントはゼロにスケールダウンします（デプロイメントは現在、単一のアクティブなインスタンスを実行します）
• 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。デプロイダッシュボードには、アクティブなデプロイが表示されたグローバルマップ、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、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リストが表示されます。

endpointsの詳細については、こちらをご覧ください。

リモート学習（オプション）#

ご自身のハードウェアでトレーニングを行う場合は、API キーを使用してどこでもトレーニングを行い、メトリクスを Ultralytics Platform にストリーミングできます。

最も早いルートは、トレーニングダイアログの Local Training タブです。選択したモデル、データセット、パラメータに基づく完全なコマンドが構築され、API キーが自動入力されます（まだ持っていない場合は作成されます）。それをコピーしてターミナルで実行します。

ご自身でコマンドを組み立てる場合：

1. Settings > API KeysでAPIキーを生成します
2. 環境変数を設定し、project に対して username/project の値を使用してトレーニングを行います：

export ULTRALYTICS_API_KEY="YOUR_API_KEY"

yolo train model=yolo26n.pt data=coco.yaml epochs=100 project=username/my-project name=exp1

API keys、dataset URIs、およびremote trainingの詳細については、こちらをご覧ください。

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、ドキュメントのリンク、ビデオウォークスルー、コミュニティリソースが集約されており、アプリ内フィードバックフォームも含まれています。体験を 1 から 5 つ星で評価し、フィードバックの種類（Bug、Feature、または General）を選択して、スクリーンショットを添付することができます。

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: datasets、annotation、training、deployment、およびbillingに関する詳細なガイドについては、こちらのドキュメントをご覧ください。
• Discord: ディスカッションに参加するには、Discord community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 and Python SDK: すべてのPlatform機能へのプログラムによるアクセスのために、API referenceをご覧いただくか、ultralytics-platformクライアントをインストールするか、interactive API docsをお試しください