Integração com Azure Blob Storage#

A integração com o Azure Blob Storage conecta os contentores da tua conta de armazenamento ao Ultralytics Platform. As tuas imagens permanecem nos teus contentores — a Platform indexa-as no local, para que possas navegar, anotar e treinar modelos YOLO sem carregar uma cópia.

Obter uma connection string#

A Platform apenas lê do seu armazenamento — ela nunca grava, modifica ou exclui seus blobs. A integração atual requer uma connection string com chave de acesso da conta, que concede privilégios a toda a conta, embora a Platform utilize apenas operações de listar e ler:

1. No portal do Azure, abra sua conta de armazenamento.
2. Vá para Segurança + rede > Chaves de acesso.
3. Copie uma connection string.

A string deve conter AccountName, AccountKey e HTTPS como protocolo — o formato que o Azure fornece em Access keys. As connection strings com token SAS, que contêm SharedAccessSignature em vez de AccountKey, são rejeitadas.

Conecte-se à Platform#

1. Vai a Settings > Integrations e seleciona Azure Blob Storage na lista de integrações.
2. Cola a cadeia de ligação.
3. Clica em Find available containers e, de seguida, seleciona os contentores a ligar. Também podes introduzir o nome de um contentor manualmente.
4. Clique em Conectar. A Platform verifica se consegue listar e ler cada container selecionado antes de salvar qualquer coisa.

Precisas da função de administrador ou proprietário do workspace para ligar o armazenamento na cloud. Uma ligação suporta até 50 contentores, e a descoberta lista até 300 contentores na conta de armazenamento.

Reconectar a mesma conta de armazenamento posteriormente adiciona novos containers à integração existente. Uma credencial salva só é substituída quando sua substituta puder ler todos os containers que você já conectou.

Criar um Dataset a partir de um container de blob#

1. Clica em New Dataset e abre o separador Cloud.
2. Escolha um container conectado e navegue até a pasta que contém seus dados.
3. Confirme a pasta, ajuste o nome do dataset e crie o dataset.

A Platform lista a pasta uma vez e indexa o que encontra:

• Imagens — os blobs .jpg, .jpeg, .png, .webp e .avif são indexados com dimensões lidas através de pedidos delimitados. A Platform não persiste uma segunda cópia da imagem de origem.
• Labels — Os ficheiros complementares YOLO .txt são analisados em anotações do Platform, correspondidos pelo esquema padrão images/ → labels/ ou como elementos irmãos na mesma pasta.
• Metadata — um ficheiro YAML fornece os nomes das classes e a forma dos keypoints de pose, exatamente como um carregamento de arquivo. data.yaml e data.yml são preferidos quando a pasta contém vários.
• Task — uma amostra dos ficheiros de rótulos determina a tarefa, pelo que as pastas de segment, pose e OBB são reconhecidas pela forma dos seus rótulos e não pela tarefa que escolheste no diálogo.
• Divisões — os nomes de pastas train, val e test no caminho do blob atribuem divisões automaticamente.

O dataset comporta-se então como qualquer outro: navega e anota-o, define-o como público ou privado, partilha-o com a tua equipa e treina com ele através de treino gerido. Os originais são transmitidos a pedido, e as imagens indexadas não consomem a tua quota de armazenamento do Platform.

Importações com falha#

Se uma importação falhar — uma pasta vazia, um erro de digitação no caminho ou permissões revogadas — o dataset mostra o erro em sua página. Editores podem clicar em Tentar importar novamente para reiniciá-la com o container e a pasta armazenados, ou criar um novo dataset apontando para o caminho corrigido.

Uma nova tentativa volta a listar a pasta em vez de retomar: os blobs adicionados desde a primeira tentativa são incluídos, e os blobs que já lá não estão são removidos do dataset.

Treinamento#

O treino gerido funciona através do fluxo de treino normal. O treino utiliza as cópias próprias das imagens fixadas da Platform durante a execução, e as tuas credenciais do Azure nunca são expostas a cargas de trabalho de treino.

Desligar uma Ligação#

Desligar elimina a connection string guardada sem alterar nada no Azure. Os datasets criados a partir desses contentores permanecem no teu workspace com as respetivas classes, etiquetas e anotações, mas as respetivas imagens não podem ser carregadas, pré-visualizadas ou utilizadas para treino até que a mesma conta de armazenamento seja ligada novamente.

Usa a REST API com o ID de integração devolvido por GET /api/integrations/buckets:

curl -X DELETE \
  -H "Authorization: Bearer YOUR_API_KEY" \
  https://platform.ultralytics.com/api/integrations/buckets/INTEGRATION_ID

from ultralytics_platform import Platform

client = Platform()  # reads ULTRALYTICS_API_KEY
integrations = client.storage_integrations.list()
client.storage_integrations.delete("INTEGRATION_ID")

Para revogar o acesso na origem, roda as chaves de acesso da conta de armazenamento no Azure.

Limitações atuais#

Os conjuntos de dados suportados pelo Azure excluem atualmente funcionalidades que requerem cópias das tuas imagens detidas pela Platform: anotação automática, análise de clusters, clonagem de conjuntos de dados e instantâneos de versão imutáveis.

Excluir um dataset baseado em Azure, ou imagens individuais dele, remove apenas as referências da Platform — seus blobs nunca são tocados.

Consulta também as integrações do Google Cloud Storage e do Amazon S3.