Ask AIによるAutoTrain#
**AutoTrainではAsk AIを使って、会話を通じてモデルのトレーニング、比較、改善を行えます。**ベースラインから始めて結果を確認し、次の実験を依頼してください。Ask AIでは、データセットの検索、画像のアノテーション、モデルのエクスポート、デプロイも行えます。
Ultralytics Platformにサインインし、データセットまたはプロジェクトを開いて、Ask AIをクリックします。
Platformのアクションを使うには、まず個人ワークスペースのSettings > API KeysでUltralytics API keyを作成します。Ask AIは既存の個人キーを自動的に使用するため、会話にキーを貼り付ける必要はありません。チームワークスペースで作業する場合は、プロジェクトまたはデータセットのリンクを含めてください。
試してみたいプロンプト#
リクエストには、目標とする指標、モデル、エポック数の上限、実験回数を含めてください。結果を比較しやすくするため、設定を一度に1つずつ変更し、データセット、分割、乱数シードは固定してください。クラウドでの実行にはトレーニングクレジットを使用します。
該当するデータセットまたはプロジェクトを開き、次のように質問します。
| 目的 | プロンプトの例 |
|---|---|
| プロジェクトを開始する | 「Wildlife Lab」という名前の非公開プロジェクトを作成してください。野生動物検出データセットを検索してクローンし、ベースラインのトレーニング実行を準備してください。 |
| 解像度を比較する | このデータセットで、画像サイズを640、800、960にして3つのモデルをトレーニングしてください。それ以外のすべての設定とデータセットの分割は固定してください。 |
| データセットを調べる | xViewで貨物船、輸送用コンテナ、クレーンを探してください。港湾物流の出発点として適していますか？ |
| ベースラインを作成する | このデータセットでYOLO26nをトレーニングし、実行名を「xview-baseline」にしてください。 |
| モデルを比較する | 完了したモデルを検証mAP50-95で比較してください。違いを説明し、次の実験を提案してください。 |
| モデルをデプロイする | このプロジェクトで、検証mAPが最も高い完了済みモデルをデプロイしてください。そのエンドポイントURLとステータスを教えてください。 |
| 自動アノテーションを行う | このデータセットの未ラベル画像に、互換性のある最良のモデルを使ってアノテーションを付けてください。既存のアノテーションは保持してください。 |
| 分類結果を確認する | 分類精度が最も高いモデルはどれですか？判別が難しい犬種はどれですか？次に何を試すべきですか？ |
| モデルをエクスポートする | このモデルをONNXにエクスポートし、準備ができたらダウンロードリンクを教えてください。 |
独自のコーディングエージェントを使う#
Ask AIはPlatform CLI、ul cloud、およびその関連機能であるplatform-cli skillを使用します。同じコマンドをClaude Code、Codex、またはその他の互換性のあるコーディングエージェントから実行できます。
インストールと接続#
以下のセットアップ手順は、Platform以外で独自のコーディングエージェントとPlatform CLIを使用する場合を対象としています。
ul CLIは、UltralyticsパッケージのPython 3.11+版に付属しています。インストールまたはアップデートするには、次のコマンドを実行します。
pip install -U ultralyticsPlatform API keyを作成し、エージェントが使用するターミナルで設定します。次のコマンドで接続を確認します。
export ULTRALYTICS_API_KEY="YOUR_API_KEY"
ul cloud account summarySkillを追加する#
Claude CodeおよびCodexのプラグインについては、Agent Skillsのインストールガイドに従ってください。skills CLIに対応しているエージェントの場合は、次のコマンドでPlatform skillをインストールします。
npx skills add ultralytics/skills --skill platform-cli上記の例のようなプロンプトを使用し、コンテキストとしてプロジェクトまたはデータセットのリンクを含めてください。
コマンドを直接実行する#
コマンドでは、プロジェクトとモデルのURLスラッグを使用します。以下の例は個人ワークスペースを対象としています。所属するチームワークスペースを対象にするには、owner=TEAMを追加してください。
ul cloud datasets list
ul cloud models list project=license-plate
ul cloud models training project=license-plate model=baseline
ul cloud training start --helpul cloud --helpでコマンドを確認し、引数についてはul cloud <resource> <operation> --helpを使用します。詳しくはPlatform APIリファレンスをご覧ください。