Ultralytics Platform#
Ultralytics Platform é uma plataforma de visão computacional de ponta a ponta abrangente que otimiza todo o fluxo de trabalho de ML, desde a preparação de dados até a implantação de modelos. Criada para equipes e indivíduos que precisam de soluções de computer vision prontas para produção, sem a complexidade de infraestrutura.

O que é a Ultralytics Platform?#
O Ultralytics Platform reúne gerenciamento e anotação de datasets, rastreamento de experimentos, treinamento em nuvem e remoto, exportação de modelos, endpoints de inferência dedicados e monitoramento de implantação em um único espaço de trabalho. Possui suporte nativo para os modelos YOLO26, YOLO11, YOLOv8 e YOLOv5.
Fluxo de trabalho: Enviar → Anotar → Treinar → Exportar → Implantar#
A plataforma oferece um fluxo de trabalho de ponta a ponta:
graph LR
subgraph Data["📁 Data"]
A[Upload]:::start --> B[Annotate]:::proc
B --> C[Analyze]:::proc
end
subgraph Train["🚀 Train"]
D[Configure]:::proc --> E[Train on GPU]:::proc
E --> F[View Metrics]:::out
end
subgraph Deploy["🌐 Deploy"]
G[Export]:::proc --> H[Deploy Endpoint]:::proc
H --> I[Monitor]:::out
end
Data --> Train --> Deploy
classDef start fill:#4CAF50,color:#fff
classDef proc fill:#2196F3,color:#fff
classDef out fill:#9C27B0,color:#fff| Etapa | Recursos |
|---|---|
| Upload | Imagens (50MB), vídeos (1GB) e arquivos de dataset (ZIP, TAR incluindo .tar.gz/.tgz, NDJSON) com processamento automático |
| Anotar | Ferramentas manuais para todos os 6 tipos de tarefas, além de Smart Annotation com modelos SAM e YOLO para detect, segment, semantic e OBB (consulte as supported tasks) |
| Treinar | GPUs na nuvem (24 em todos os planos + 2 exclusivos para Pro/Enterprise: B200, B300), métricas em tempo real, organização de projetos |
| Exportar | 20 deployment formats (ONNX, TensorRT, CoreML, LiteRT, Hailo, Ascend, etc.; consulte os supported formats) |
| Deploy | 42 regiões globais com endpoints dedicados, dimensionamento automático para zero por padrão (instância ativa única) e monitoramento |
O que você pode fazer:
- Enviar imagens, vídeos e arquivos de conjunto de dados para criar conjuntos de dados de treinamento
- Visualize anotações com sobreposições interativas para todos os 6 tipos de tarefas YOLO (consulte as supported tasks)
- Treina modelos em GPUs na nuvem (24 em todos os planos, 26 com Pro ou Enterprise para B200 e B300) com métricas em tempo real
- Export para 20 deployment formats (ONNX, TensorRT, CoreML, LiteRT, Hailo, Ascend, etc.)
- Implanta em 42 regiões globais com endpoints dedicados de um clique
- Monitorar o progresso do treinamento, a saúde da implantação e as métricas de uso
- Colaborar tornando projetos e conjuntos de dados públicos para a comunidade
Infraestrutura multirregional#
Seus dados permanecem em sua região. A Ultralytics Platform opera infraestrutura em três regiões globais:
| Região | Rótulo | Localização | Melhor para |
|---|---|---|---|
| US | Américas | Iowa, EUA | Usuários das Américas, mais rápido para as Américas |
| EU | Europa, Oriente Médio e África | Bélgica, Europa | Usuários europeus, conformidade com o GDPR |
| AP | Ásia-Pacífico | Taiwan, Ásia-Pacífico | Usuários da Ásia-Pacífico, menor latência APAC |
Selecionas a tua região de dados durante o onboarding. Conjuntos de dados, modelos e dados de treinamento gerenciados permanecem nessa região. Endpoints dedicados são implantados separadamente em uma região que escolhes a partir do mapa global de implantação.
Você não pode alterar a região dos seus dados por conta própria após a criação da conta. Durante o onboarding, a Platform mede a latência para cada região e recomenda a mais próxima. Entre em contato com o suporte se precisar solicitar uma alteração de região posteriormente. Isso se aplica ao conteúdo de datasets e modelos; dados em nível de conta, como perfil, faturamento e registros de atividade, são processados globalmente, conforme descrito em nossa Privacy Policy e Data Processing Agreement.
Principais recursos#
Preparação de dados#
- Gerenciamento de conjunto de dados: Envie imagens, vídeos ou arquivos de conjunto de dados com processamento automático
- Annotation Editor: Anotação manual para todos os 6 tipos de tarefas YOLO (detect, segment, semantic, classify, pose, OBB; consulte as supported tasks)
- Modelos de esqueleto: Modelos de esqueleto integrados (Pessoa, Mão, Rosto, Cachorro, Caixa) e personalizados para anotação de pose com um clique
- Smart Annotation: Use SAM 2.1 (Tiny, Small, Base, Large), SAM 3, modelos Ultralytics YOLO pré-treinados ou seus próprios modelos YOLO ajustados (fine-tuned) na barra de ferramentas de anotação para tarefas de detect, segment, semantic e OBB
- Versão de conjunto de dados: Crie snapshots NDJSON numerados com descrições para treinamento reprodutível
- Estatísticas: Distribuição de classes, mapas de calor de localização e análise de dimensões
graph LR
A[Upload Dataset/Images/Video]:::start --> B[Auto-Process]:::proc
B --> C[Browse & Filter]:::proc
C --> D{Annotate}:::decide
D --> E[Manual Tools]:::proc
D --> F[SAM Smart]:::proc
D --> G[YOLO Auto-Label]:::proc
E --> H[Train-Ready Dataset]:::out
F --> H
G --> H
classDef start fill:#4CAF50,color:#fff
classDef proc fill:#2196F3,color:#fff
classDef decide fill:#FF9800,color:#fff
classDef out fill:#9C27B0,color:#fffO editor de anotações suporta todos os 6 tipos de tarefas YOLO: detect (caixas delimitadoras), segment (polígonos), semantic (regiões por classe), classify (rótulos em nível de imagem), pose (pontos-chave) e OBB (caixas orientadas). Cada tipo de tarefa possui controles de anotação dedicados e atalhos de teclado.
Treinamento de modelos#
- Cloud Training: Treine em GPUs na nuvem (24 em todos os planos, 26 com Pro or Enterprise para B200 e B300) com métricas em tempo real
- Treinamento Remoto: Treina em qualquer lugar e transmite métricas para o Ultralytics Platform
- Organização de projetos: Agrupe modelos relacionados, compare experimentos, rastreie atividades
- 20 Export Formats: ONNX, TensorRT, CoreML, LiteRT, Hailo, Ascend e mais (consulte os supported formats)
Você pode treinar modelos pela interface web (treinamento na nuvem) ou a partir da sua própria máquina (treinamento remoto):
- Navega para o teu projeto
- Clique em
New Model - Selecione o conjunto de dados, modelo, GPU e épocas
- Monitore curvas de perda e métricas em tempo real
Implementação#
- Teste de inferência: Teste modelos diretamente no navegador com imagens personalizadas
- Endpoints Dedicados: Implanta em 42 regiões globais com dimensionamento automático para zero por padrão (instância ativa única)
- Monitoramento: Métricas em tempo real, registros de solicitação e painéis de desempenho
graph LR
A[Trained Model]:::start --> B{Action}:::decide
B --> C[Browser Predict]:::proc
B --> D[Export Format]:::proc
B --> E[Deploy Endpoint]:::proc
D --> F[ONNX / TensorRT / CoreML / LiteRT / ...]:::out
E --> G[42 Global Regions]:::proc
G --> H[API Endpoint URL]:::proc
H --> I[Monitor & Scale]:::out
classDef start fill:#4CAF50,color:#fff
classDef proc fill:#2196F3,color:#fff
classDef decide fill:#FF9800,color:#fff
classDef out fill:#9C27B0,color:#fffUma vez implantado, chame seu endpoint a partir de qualquer linguagem:
import requests
url = "https://your-endpoint-url/predict"
headers = {"Authorization": "Bearer YOUR_API_KEY"}
with open("image.jpg", "rb") as f:
response = requests.post(url, headers=headers, files={"file": f})
print(response.json())Gerenciamento de Conta#
- Equipes e organizações: Colabore com membros da equipe, gerencie funções e convites
- Chaves de API: Gerenciamento seguro de chaves para treinamento remoto e acesso à API
- Créditos e faturamento: Treinamento pré-pago (pay-as-you-go) com preços transparentes
- Feed de atividades: Rastreie todos os eventos e ações da conta
- Lixeira e restauração: Exclusão temporária de 30 dias com recuperação de itens
- Conformidade GDPR: Exportação de dados e exclusão de conta
Consulte a comparação canônica Free, Pro, and Enterprise comparison para limites atuais, acesso a GPU, colaboração e licenciamento.
Links Rápidos#
Comece com estes recursos:
- Quickstart: Crie seu primeiro projeto e treine um modelo em minutos
- Datasets: Envie e gerencie seus dados de treinamento
- Annotation: Rotule seus dados com ferramentas manuais e assistidas por IA
- Projects: Organize seus modelos e experimentos
- Cloud Training: Treine em GPUs na nuvem
- Inference: Teste seus modelos
- Endpoints: Implante modelos em produção
- Monitoring: Rastreie o desempenho da implantação
- API Keys: Gerencie o acesso à API
- Billing: Créditos e pagamentos
- Activity: Rastreie eventos da conta
- Trash: Recupere itens excluídos
- REST API: Referência da API
Solução de Problemas#
Problemas com Datasets#
| Problema | Solução |
|---|---|
| O dataset não processa | Verifique se o formato de arquivo é suportado (JPEG, PNG, WebP, TIFF, HEIC, AVIF, BMP, JP2, DNG, MPO para imagens). Tamanho máximo de arquivo: imagens 50 MB, vídeos 1 GB, arquivos de dataset 10 GB (Gratuito) / 20 GB (Pro) / 50 GB (Enterprise) |
| Anotações faltando | Verifique se os rótulos estão no YOLO format com arquivos .txt correspondentes aos nomes dos arquivos de imagem, ou envie COCO JSON |
| "Divisão de treino necessária" | Adicione a pasta train/ à estrutura do seu dataset ou redistribua as divisões através da split bar |
| Nomes de classe indefinidos | Adicione um arquivo data.yaml com a lista names: (consulte YOLO format), ou defina classes na Classes tab |
Problemas de Treinamento#
| Problema | Solução |
|---|---|
| O treinamento não inicia | Verifique o saldo de créditos em Configurações > Cobrança. É necessário um saldo positivo |
| Erro de falta de memória (Out of memory) | Reduza o batch size, use um modelo menor (n/s) ou selecione uma GPU com mais VRAM |
| Métricas ruins | Verifique a qualidade do dataset, aumente as épocas, tente aumento de dados (data augmentation), verifique o equilíbrio das classes |
| Treinamento lento | Selecione uma GPU mais rápida, reduza o tamanho da imagem, verifique se o dataset não está causando gargalo |
Problemas de Implantação#
| Problema | Solução |
|---|---|
| Endpoint não responde | Verifique o status do endpoint (Pronto vs Parado). A inicialização a frio (cold start) pode levar de 5 a 15 segundos |
| 401 Não Autorizado | Verifica se a chave de API está ativa e foi copiada corretamente |
| Inferência lenta | Verifique o tamanho do modelo, considere a TensorRT export, selecione uma região mais próxima |
| Falha na exportação | Alguns formatos exigem arquiteturas de modelo específicas. Experimente o ONNX para obter a maior compatibilidade |
Perguntas Frequentes#
Posso alterar meu nome de usuário após o cadastro?
Não, os nomes de usuário são permanentes e não podem ser alterados. Escolha com cuidado durante o cadastro.
Posso alterar minha região de dados?
A tua região de dados é selecionada durante a integração e não pode ser alterada por ti. Para mudar de região, entra em contato com o suporte para solicitar uma alteração de região.
Como obtenho mais créditos?
Vai para Settings > Billing e clica em Top Up. Compra créditos de $5 a $1.000. Os créditos adquiridos nunca expiram.
O que acontece se o treinamento falhar?
Se o cálculo em nuvem tiver começado, o tempo de GPU decorrido será cobrado. Falhas antes do início de uma GPU não geram cobrança de uso computacional.
Posso baixar o meu modelo treinado?
Sim. Clique no ícone de download em uma página de modelo para obter seus pesos .pt, ou abra a aba Export para formatos exportados concluídos.
Como compartilho meu trabalho publicamente?
Abre o projeto ou conjunto de dados, clica no selo Private na barra de navegação superior e confirma Make Public. O conteúdo público aparece na página Explore.
Quais são os limites de tamanho de arquivo?
Imagens: 50MB, Vídeos: 1GB, datasets: 10GB no plano Gratuito, 20GB no Pro, 50GB no Enterprise. Para arquivos maiores, divida em múltiplos uploads.
Por quanto tempo os itens excluídos ficam na Lixeira?
30 dias. Depois disso, os itens são excluídos permanentemente e não podem ser recuperados.
Posso usar os modelos da Platform comercialmente?
Os planos Free e Pro usam a licença AGPL. Para uso comercial sem os requisitos da AGPL, consulte Ultralytics Licensing.
FAQ#
Para começar com o Ultralytics Platform:
- Sign Up: Crie uma conta em platform.ultralytics.com
- Selecione a região: Escolha sua região de dados (EUA, UE ou AP) durante a integração
- Upload Dataset: Abra
Annotatena barra lateral e envie seus dados - Treinar modelo: Crie um projeto e comece a treinar em GPUs em nuvem
- Implantar: Teste seu modelo e implante em um endpoint dedicado
Para um guia detalhado, consulte a página Quickstart.
O Ultralytics Platform oferece:
- Fluxo de trabalho unificado: Dados, treinamento e implantação em um só lugar
- Multirregional: Residência de dados nas regiões EUA, UE ou AP
- Treinamento sem código: Treine modelos YOLO avançados sem escrever código
- Métricas em tempo real: Transmita o progresso do treinamento e monitore implantações
- 42 Regiões de Implantação: Implanta modelos próximos aos teus utilizadores em todo o mundo
- 7 Task Types: Suporte para detecção, segmentação de instâncias, segmentação semântica, estimativa de profundidade (modelos e predição hoje; datasets de profundidade em breve), classificação, pose e OBB (consulte a task docs)
- AI-Assisted Annotation: Smart annotation com modelos SAM e YOLO para acelerar a preparação de dados
A Ultralytics Platform suporta vários tipos de GPU para treinamento na nuvem:
GPU Geração VRAM Custo/Hora Melhor para RTX 2000 Ada Ada 16 GB $0.24 Datasets pequenos, testes RTX A4500 Ampere 20 GB $0.25 Datasets pequenos a médios RTX 4000 Ada Ada 20 GB $0.26 Datasets médios RTX A5000 Ampere 24 GB $0.27 Datasets médios L4 Ada 24 GB $0.39 Otimizada para inferência A40 Ampere 48 GB $0.44 Tamanhos de lote maiores RTX 3090 Ampere 24 GB $0.46 Treinamento geral RTX A6000 Ampere 48 GB $0.49 Modelos grandes RTX PRO 4000 Blackwell 24 GB $0.57 Budget Blackwell RTX PRO 4500 Blackwell 32 GB $0.64 Ótima relação preço/desempenho RTX 4090 Ada 24 GB $0.69 Melhor relação preço/desempenho RTX 6000 Ada Ada 48 GB $0.77 Treinamento com lotes grandes L40S Ada 48 GB $0.86 Treinamento com lotes grandes RTX PRO 5000 Blackwell 48 GB $0.96 Treinamento com lotes grandes RTX 5090 Blackwell 32 GB $0.99 Última geração de consumidor L40 Ada 48 GB $0.99 Modelos grandes A100 PCIe Ampere 80 GB $1.39 Treinamento de produção A100 SXM Ampere 80 GB $1.49 Treinamento de produção RTX PRO 6000 Blackwell 96 GB $2.09 Padrão recomendado H100 PCIe Hopper 80 GB $2.89 Treinamento de alto desempenho H100 NVL Hopper 94 GB $3.19 Desempenho máximo H100 SXM Hopper 80 GB $3.29 Treinamento mais rápido H200 NVL Hopper 143 GB $3.39 Memória máxima H200 SXM Hopper 141 GB $4.39 Desempenho máximo B200 Blackwell 180 GB $5.89 Modelos grandes (Pro+) B300 Blackwell 288 GB $7.39 Modelos maiores (Pro+) Consulte Cloud Training para obter preços completos e opções de GPU.
Podes treinar modelos no teu próprio hardware e transmitir métricas em tempo real para o Ultralytics Platform.
Requisito de versão do pacoteA integração com a Platform requer ultralytics>=8.4.104. Versões inferiores NÃO funcionarão com a Platform.
pip install "ultralytics>=8.4.104"# Set your API key export ULTRALYTICS_API_KEY="YOUR_API_KEY" # Train with project/name to stream metrics yolo train model=yolo26n.pt data=coco.yaml epochs=100 project=username/my-project name=exp1Consulte Cloud Training para mais detalhes sobre treinamento remoto.
A plataforma inclui um editor de anotação completo com suporte a:
- Ferramentas manuais: Bounding boxes, polígonos, keypoints com modelos de esqueleto, caixas orientadas, classificação
- Modelos de esqueleto: Posicione todos os keypoints de uma só vez usando modelos nativos (Pessoa, Mão, Rosto, Cachorro, Caixa) ou personalizados
- Smart Annotation: Use SAM 2.1 ou SAM 3 para anotação baseada em cliques, ou execute modelos Ultralytics YOLO pré-treinados e seus próprios modelos YOLO ajustados a partir da barra de ferramentas para detect, segment, semantic e OBB
- Atalhos de teclado: Fluxos de trabalho eficientes com teclas de atalho
Atalho Ação VModo manual (desenhar) SModo inteligente (modelo SAM ou YOLO) AAlternar aplicação automática (no modo Inteligente) 1-9Selecionar classe pelo número DeleteExcluir anotação selecionada Ctrl+ZDesfazer Ctrl+YRefazer EscapeSalvar / deselecionar / sair Consulte Annotation para o guia completo.
A Platform suporta os mesmos 20 formatos de implantação do modo Ultralytics Export. O PyTorch é o formato de origem; cada linha com um argumento
formaté um destino de exportação.Formato Argumento formatModelo Metadados Argumentos PyTorch - yolo26n.pt✅ - TorchScript torchscriptyolo26n.torchscript✅ imgsz,quantize,dynamic,nms,batch,deviceONNX onnxyolo26n.onnx✅ imgsz,quantize,dynamic,simplify,opset,nms,batch,data,fraction,deviceOpenVINO openvinoyolo26n_openvino_model/✅ imgsz,quantize,dynamic,nms,batch,data,fraction,deviceTensorRT engineyolo26n.engine✅ imgsz,quantize,dynamic,simplify,opset,workspace,nms,batch,data,fraction,deviceCoreML coremlyolo26n.mlpackage✅ imgsz,dynamic,quantize,nms,batch,deviceTF SavedModel saved_modelyolo26n_saved_model/✅ imgsz,keras,quantize,opset,nms,batch,data,fraction,deviceTF GraphDef pbyolo26n.pb❌ imgsz,opset,batch,deviceTF Edge TPU edgetpuyolo26n_edgetpu.tflite✅ imgsz,quantize,opset,data,fraction,devicePaddlePaddle paddleyolo26n_paddle_model/✅ imgsz,batch,deviceMNN mnnyolo26n.mnn✅ imgsz,batch,dynamic,quantize,simplify,opset,nms,deviceNCNN ncnnyolo26n_ncnn_model/✅ imgsz,quantize,batch,deviceIMX500 imxyolo26n_imx_model/✅ imgsz,quantize,data,fraction,nms,deviceRKNN rknnyolo26n_rknn_model/✅ imgsz,batch,name,quantize,simplify,opset,data,fraction,deviceExecuTorch executorchyolo26n_executorch_model/✅ imgsz,batch,deviceAxelera axelerayolo26n_axelera_model/✅ imgsz,batch,quantize,data,fraction,deviceDEEPX deepxyolo26n_deepx_model/✅ imgsz,quantize,simplify,opset,data,optimize,deviceQualcomm QNN qnnyolo26n_qnn.onnx✅ imgsz,batch,name,quantize,simplify,opset,data,fraction,deviceLiteRT litertyolo26n.tflite✅ imgsz,quantize,batch,data,fraction,deviceHailo hailoyolo26n_hailo_model/✅ imgsz,name,quantize,data,fraction,simplify,conf,iouHuawei Ascend ascendyolo26n_ascend_model/✅ imgsz,batch,name,quantize,opset,simplify,nmsConsulte Models Export, o Export mode guide e o Integrations index para opções específicas de formato.