Integração com o Azure Blob Storage#

A integração com o Azure Blob Storage conecta os contêineres da sua conta de armazenamento à Ultralytics Platform. Suas imagens permanecem nos seus contêineres — a Platform as indexa no local, para que você possa navegar, anotar e treinar modelos YOLO sem enviar uma cópia.

Obter uma cadeia de conexão#

A Platform apenas lê seus dados — nunca grava, modifica ou exclui seus blobs. A integração atual exige uma cadeia de conexão com a chave de acesso da conta, que concede privilégios para toda a conta, embora a Platform use apenas operações de listagem e leitura:

1. No portal do Azure, abra sua conta de armazenamento.
2. Acesse Segurança + rede > Chaves de acesso.
3. Copie uma cadeia de conexão.

A cadeia precisa conter AccountName, AccountKey e HTTPS como protocolo — no formato fornecido pelo Azure em Chaves de acesso. Cadeias de conexão com tokens SAS, que contêm SharedAccessSignature em vez de AccountKey, são rejeitadas.

Conecte à Platform#

1. Acesse Configurações > Integrações e selecione Azure Blob Storage na lista de integrações.
2. Cole a cadeia de conexão.
3. Clique em Localizar contêineres disponíveis e selecione os contêineres que deseja conectar. Você também pode inserir manualmente o nome de um contêiner.
4. Clique em Conectar. Antes de salvar qualquer informação, a Platform verifica se consegue listar e ler cada contêiner selecionado.

Você precisa da função de administrador ou proprietário do workspace para conectar o armazenamento em nuvem. Você pode adicionar até 50 contêineres por vez, e a descoberta lista até 300 contêineres na conta de armazenamento.

Se você reconectar a mesma conta de armazenamento posteriormente, novos contêineres serão adicionados à integração existente. Uma credencial salva só será substituída quando a nova credencial ainda puder ler todos os contêineres já conectados. Se não for possível ler algum contêiner, o erro identificará esse contêiner, incluindo os conectados anteriormente com a mesma conta de armazenamento.

Criar um dataset a partir de um contêiner Blob#

1. Clique em New Dataset e abra a aba Cloud.
2. Escolha um contêiner conectado e navegue até a pasta que contém seus dados.
3. Confirme a pasta, ajuste o nome do conjunto de dados e crie-o.

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 por meio de solicitações limitadas. A Platform não mantém uma segunda cópia da imagem de origem.
• Rótulos — os arquivos auxiliares YOLO .txt são analisados como anotações da Platform, correspondendo ao layout padrão images/ → labels/ ou a arquivos irmãos na mesma pasta.
• Metadados — um arquivo YAML fornece os nomes das classes e o formato dos pontos-chave de pose, exatamente como um envio de arquivo compactado. data.yaml e data.yml têm preferência quando a pasta contém vários arquivos.
• Tarefa — uma amostra dos arquivos de rótulos determina a tarefa, portanto, pastas de segmentação, pose e OBB são reconhecidas pelo formato dos rótulos, não pela tarefa escolhida na caixa de diálogo.
• Divisões — Os nomes de pasta train, val e test no caminho do blob atribuem divisões automaticamente.

O conjunto de dados funciona como qualquer outro: navegue por ele e anote-o, defina-o como público ou privado, compartilhe-o com sua equipe e treine com ele usando o treinamento gerenciado. Os originais são transmitidos sob demanda, e as imagens indexadas não consomem sua cota de armazenamento da Platform.

Importações com falha#

Se uma importação falhar — por causa de uma pasta vazia, um erro de digitação no caminho ou permissões revogadas —, o dataset exibe o erro na página. Os editores podem clicar em Tentar importação novamente para reiniciá-la usando o contêiner e a pasta armazenados, ou criar um novo dataset apontando para o caminho corrigido.

Uma nova tentativa lista a pasta novamente, em vez de continuar de onde parou: os blobs adicionados desde a primeira tentativa são incluídos, e os blobs que não estão mais lá são removidos do dataset.

Treinamento#

O treinamento gerenciado funciona pelo fluxo de treinamento normal. Durante a execução, o treinamento usa as próprias cópias da Platform das imagens vinculadas, e suas credenciais do Azure nunca são expostas às cargas de trabalho de treinamento.

Desconectar uma conexão#

Desconectar exclui a cadeia de conexão armazenada sem alterar nada no Azure. Os datasets criados com esses contêineres continuam no seu workspace com suas classes, rótulos e anotações, mas não é possível carregar, visualizar ou treinar com as imagens até que a mesma conta de armazenamento seja conectada novamente. Mesmo desconectados, você ainda pode renomear os datasets, editar os rótulos ou excluí-los.

Para desconectar, acesse Configurações > Integrações, selecione Azure Blob Storage, clique em Desconectar ao lado da credencial e confirme. Ao abrir um dos datasets, será exibida a mensagem Azure Blob Storage desconectado, com um link para estas configurações. O dataset ficará disponível automaticamente quando você se conectar novamente.

Você também pode desconectar usando a REST API, com o ID da integração retornado 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, alterne as chaves de acesso da conta de armazenamento no Azure.

Limitações atuais#

Os datasets vinculados ao Azure atualmente não incluem recursos que exigem cópias das imagens mantidas pela Platform: anotação automática, análise de agrupamento, clonagem de datasets e instantâneos imutáveis de versões.

A eliminação de um conjunto de dados alojado no Azure, ou de imagens individuais desse conjunto, remove apenas as referências da Plataforma — os blobs nunca são afetados.

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

Perguntas frequentes#