Integração com Azure Blob Storage#

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

Recurso Pro

Datasets no Azure Blob Storage exigem um plano Pro ou Enterprise. Workspaces gratuitos podem ver a integração e são incentivados a fazer o upgrade ao conectar. Datasets existentes no Azure Blob Storage permanecem totalmente acessíveis caso uma assinatura termine — apenas novas conexões e importações exigem o plano Pro.

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.

Apenas nuvem pública Azure

As conexões usam o endpoint padrão blob.core.windows.net. Nuvens soberanas (Azure China, Azure Government) e endpoints de blob personalizados não são suportados.

Conecte-se à Platform#

1. Vai a Settings > Integrations e seleciona Microsoft Azure 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.

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.

Segurança das credenciais

Uma chave de conta pode autorizar operações de gravação e exclusão ou criar tokens SAS se for exposta fora da Platform. As credenciais são criptografadas em repouso com AES-256-GCM, nunca retornadas ao navegador e nunca entram nos payloads de jobs de treinamento. Use uma conta de armazenamento dedicada sempre que prático. Para revogar o acesso, rotacione as chaves de acesso da conta de armazenamento no Azure.

Criar um Dataset a partir de um container de blob#

1. Clique em New Dataset e abra a aba Cloud storage.
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:

• Images — os blobs .jpg, .jpeg, .png, .webp e .avif são indexados com as dimensões lidas através de pedidos delimitados. A Platform não guarda uma segunda cópia da imagem de origem.
• Rótulos — arquivos auxiliares YOLO .txt são analisados para anotações da Platform, correspondidos pelo layout padrão images/ → labels/ ou como irmãos na mesma pasta.
• Metadados — um data.yaml/data.yml fornece nomes de classes, tipo de tarefa e formato de keypoints de pose, exatamente como um envio de arquivo compactado.
• Splits — Nomes de pasta train, val e test no caminho do blob atribuem splits automaticamente.

O dataset então se comporta como qualquer outro: navegue e anote-o, defina-o como público ou privado, compartilhe-o com sua equipe e treine nele através de treinamento gerenciado. Os originais são transmitidos sob demanda, e imagens indexadas não consomem sua cota de armazenamento da Platform.

Limites

Uma única importação indexa até 50.000 blobs, e arquivos de label ou YAML de até 1 MB cada. Containers maiores devem ser divididos em vários datasets.

Mantenha os blobs indexados imutáveis

Cada imagem indexada é fixada ao seu ETag de blob, e a Platform falha se um blob for alterado por baixo dela. Adicione novos blobs em vez de substituir os existentes.

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.

Treinamento#

O treinamento gerenciado funciona através do fluxo de treinamento normal. Workers baixam os originais fixados para um armazenamento de job temporário durante a execução e os removem com a limpeza do job — suas credenciais do Azure nunca chegam à computação.

Limitações atuais#

Datasets baseados em Azure excluem atualmente recursos que exigem cópias das suas imagens pertencentes à Platform: auto-anotação, análise de cluster, clonagem de dataset e snapshots de versão imutáveis.

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

Veja também as integrações com Google Cloud Storage e Amazon S3.