Ask AIによるAutoTrain#
AutoTrainでは、Ask AIとの会話を通じて、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、次の実験を依頼します。Ask AI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、デプロイにも対応します。
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のアクションを使用するには、まず個人ワークスペースの 設定 > APIキー でUltralytics APIキーを作成してください。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。
試してみるプロンプト#
依頼には、目標メトリクス、モデル、エポック数の上限、実験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1つずつ変更し、データセット、分割、ランダム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が使用されます。
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探してクローンし、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に設定して3つのモデルをトレーニングしてください。他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たデータセットですか？ |
| 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」にします。 |
| モデルを比較する | 完了したモデルを検証mAP50-95で比較します。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ます。エンドポイントのURLとステータスを教えてください。 |
| 自動アノテーション | 互換性のある自分の最良モデルを使って、このデータセットの未ラベル画像にアノテーションを付けます。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、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用する#
Ask AIはPlatform CLI、ul cloud、およびその補助ツールであるplatform-cliスキルを使用します。Claude Code、Codex、その他の互換性のあるコーディングエージェントから同じコマンドを使用できます。
インストールして接続する#
以下では、Platform以外で独自のコーディングエージェントとPlatform CLIを使用するためのセットアップ方法を説明します。
ul CLIは、Ultralyticsパッケージに含まれており、Python 3.11+で使用できます。インストールまたは更新してください：
pip install -U ultralyticsPlatform APIキーを作成し、エージェントが使用するターミナルに設定します。次のコマンドで接続を確認してください：
export ULTRALYTICS_API_KEY="YOUR_API_KEY"
ul cloud account summaryスキルを追加する#
Claude Codeと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に対応するエージェントの場合は、次のコマンドでPlatformスキルをインストールしてください：
npx skills add ultralytics/skills --skill platform-cliその後、上記の例のようなプロンプトを使い、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。以下の例は個人用ワークスペースを対象としています。所属するチームのワークスペースを対象にする場合は、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 --helpコマンドの一覧を確認するにはul cloud --helpを、引数を確認するには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。