Ultralytics Platformクイックスタート#

Ultralytics Platformでは、データセットのアップロード、事前学習済み重みを使った新しいYOLOモデルのトレーニング、ブラウザーでの学習済みモデルのテスト、専用推論エンドポイントの設定を、ガイド付きのワークフローで行えます。

次のインタラクティブな図は、Ultralytics Platformのワークフローにおける4つの主要なステージの概要を示しています。いずれかのステージをクリックすると、その手順に移動します。

始める#

Ultralytics Platformでは、さまざまな簡単な登録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って登録し、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、データの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の保存先が決まります。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別途選択します。

無料クレジット#

新しいアカウントにはすべて、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#

オンボーディングの手順では、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（恒久的なもので、後から変更できません）、組織（任意）、主な用途を入力します
2. データリージョン - レイテンシを示す世界地図を確認し、US、EU、APから選択します
3. 完了 - 選択内容を確認し、必要に応じてプロモコードを適用して、登録を完了するとウェルカムクレジットを受け取れます

ホームダッシュボード#

サインインすると、Ultralytics Platformのホームページが表示されます。ここには、ワークスペースの統計情報を示すウェルカムカード、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表示されます。

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、最近のアイテムが5件表示され、残りのアイテムへのリンクがあります。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、ゴミ箱に移動できます。ただし、デプロイメントは確認後に完全に削除されます。ゴミ箱自体は、検索（Cmd+K）から、またはplatform.ultralytics.com/trashを開いて表示します。

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）、ワークスペースの統計情報が一目でわかる形で表示されます。 各統計情報から、対応するワークスペースの表示に移動できます:

クイックアクション#

ウェルカムカードの下には、次の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、データセットファイルをドロップしてアップロードできます。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できます。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）の概要が表示されます。

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、デプロイメントと、それぞれ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、デプロイメントをすばやく横断検索できます。

AIチャットアシスタント#

Ask AIをクリックすると、Ultralytics Platform全体のタスクを自動化するAIエージェントを利用できます。AIエージェントはデータセットやモデルを直接操作して、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。コーディングエージェント向けのプロンプト例とセットアップについては、Ask AIによるAutoTrainをご覧ください。

オンボーディングツアー#

Platformには、各セクションを操作しながら主要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:

• ツアー再実行ボタン — 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、ツアーを再実行を選択します。すべてのツアーがリセットされ、各セクションに次回アクセスしたときに再生されます。
• URLパラメーター — ツアーIDを指定して?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できます。

新しいデータセットダイアログには、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アップロードを使用します。その他のソースについては、データセットとインテグレーションで説明しています。

アップロードでは複数の形式に対応しています（詳細はデータセットを参照してください）。

アップロード後、プラットフォームが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てリサイズされます（TIFFのオリジナル画像はアップロード時の状態で保存されます）。
2. 高速な閲覧のために256pxのサムネイルが生成されます
3. YOLO、COCO、LabelMe、UltralyticsまたはLabelboxのNDJSONラベルが解析され、検証されます
4. 統計情報（クラス分布、ヒートマップ、寸法）が算出されます

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でサポートされている形式の詳細をご覧ください。

最初のプロジェクトを作成する#

プロジェクトを使うと、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。または、ホームダッシュボードのプロジェクトカードに.ptの重みをドロップすると、プロジェクトの作成と重みのインポートを一度に行えます。

名前と任意の説明を入力します。プロジェクトでは、モデルの実行とインポートまたはクローンし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も利用できます。

プロジェクトの詳細をご覧ください。

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、新しいモデルをトレーニング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、代わりに保存先のプロジェクトを選択します。

トレーニング設定#

1. ベースモデル: Ultralyticsの公式重み、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. データセット: トレーニング画像が1枚以上、検証画像またはテスト画像が1枚以上、ラベル付き画像が1枚以上ある、準備済みのデータセットを選択します
3. パラメーター: エポック数（デフォルトは100）、バッチサイズ（空欄の場合は自動）、画像サイズ（デフォルトは640）、および任意の実行名を設定します。詳細設定を展開すると、YAMLエディターでその他のUltralyticsトレーニング引数を編集できます。
4. GPUを選択: クラウドトレーニングタブで、予算とモデルサイズに応じ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、$2.09/時）で、すべてのYOLO26バリアントに対応します。全リストとプランごとの利用条件については、GPU料金表またはクラウドトレーニングのGPUステップを参照してください。
5. トレーニングを開始: 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。

トレーニングをモニタリングする#

トレーニングが始まったら、モデルのTrainタブを開くと、3つのサブタブで進行状況をリアルタイムにモニタリングできます。

指標はSSE（サーバー送信イベント）を介してリアルタイムにストリーミングされます。検証アーティファクトが生成されると、チャートのサブタブはトレーニングと検証のビューに分かれ、検証の下に混同行列、PR曲線、F1曲線が表示されます。

クラウドトレーニングの詳細をご覧ください。

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またはドラッグ＆ドロップするか、ウェブカメラで撮影するか、サンプル画像をクリックします（ドロップすると自動推論します）
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

推論パラメーターを調整します。

APIドキュメントのPredictタブには、上記で選択したパラメーターがあらかじめ入力されたPython、JavaScript、cURLのコード例が表示されます。まずモデルをデプロイし、その後、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())

推論の詳細をご覧ください。

本番環境にデプロイする#

本番環境で使用するために、専用の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. プラットフォームは42のすべてのリージョンへのレイテンシを測定し、世界地図上に緑から赤のグラデーションで表示します（レイテンシが低いほど緑に、高いほど赤に近づきます）
3. マップの下にあるリージョン別レイテンシテーブルで、現在地からのレイテンシ順に並んだリージョンから目的のリージョンを探します。Rescanを使うと、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

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。

• 一意のURL: API呼び出し用のHTTPSエンドポイント
• ゼロスケール動作: アイドル状態のデフォルトサイズのエンドポイントはゼロまでスケールします。カスタムサイズは起動状態を維持し、稼働時間に応じて時間単位で課金されます（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）。
• モニタリング: リクエスト指標とログ

デプロイ後は、サイドバーのDeploymentsセクションからプロフィールのデプロイメントタブに移動して、すべてのエンドポイントを管理できます。このタブには、アクティブなデプロイメントを示す全体マップ、24時間の指標（アクティブなデプロイメント数、総リクエスト数、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。

エンドポイントの詳細をご覧ください。

リモートトレーニング（任意）#

独自のハードウェアでトレーニングする場合は、APIキーを使って任意の場所でトレーニングし、指標をUltralytics Platformにストリーミングできます。

最も簡単なのは、トレーニングダイアログのローカルトレーニングタブを使う方法です。選択したモデル、データセット、パラメーターに基づいてコマンド全体を作成し、APIキーを入力します（まだない場合は作成します）。コマンドをコピーして、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、次の手順に従います。

1. Settings > API KeysでAPIキーを生成します
2. 環境変数を設定し、projectの値にusername/projectを指定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 ヘルプ ページには、ドキュメントへのリンク、動画チュートリアル、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利用できます。1〜5つ星で評価し、フィードバックの種類（バグ、機能、一般）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、以下をご利用ください。

• AIチャット: 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
• ドキュメント: 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コミュニティにご参加ください
• GitHub: 問題はGitHubで報告してください
• REST APIとPython SDK: プログラムからPlatformのすべての機能を利用するには、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ドキュメントをお試しください

よくある質問#