Integração com o Google Cloud Storage#

A integração com o Google Cloud Storage conecta os teus buckets do GCS à Ultralytics Platform. As tuas imagens permanecem nos teus buckets — a Platform cria um índice no local, para que possas navegar, anotar e treinar modelos YOLO sem carregar uma cópia.

Criar uma conta de serviço só de leitura#

A Platform apenas lê o teu armazenamento — nunca grava, modifica ou elimina os teus objetos. Cria uma conta de serviço dedicada com acesso apenas de leitura:

1. Na consola do Google Cloud, acede a IAM & Admin > Service Accounts e cria uma conta de serviço.
2. Concede-lhe a função Storage Object Viewer (roles/storage.objectViewer) nos buckets que queres conectar.
3. Abre a conta de serviço, seleciona Keys > Add key > Create new key, escolhe JSON e transfere o ficheiro de chave.

Conectar à Platform#

1. Acede a Settings > Integrations e seleciona Google Cloud Storage na lista de integrações.
2. Cola o conteúdo da chave JSON da conta de serviço.
3. Clica em Find available buckets e seleciona os buckets que queres conectar. Se a conta de serviço não conseguir listar buckets, introduz manualmente o nome de um bucket conhecido.
4. Clica em Connect. A Platform verifica se consegue listar e ler cada bucket selecionado antes de guardar qualquer informação.

Precisas da função de administrador ou proprietário do espaço de trabalho para conectar o armazenamento na nuvem. Uma conexão pode incluir até 50 buckets, e a descoberta lista até 300 dos buckets a que a conta de serviço tem acesso.

O teu navegador lê o ficheiro de chave colado e envia apenas os três campos de que a Platform precisa — client_email, private_key, e project_id. O resto do JSON nunca sai da página.

Se voltares a conectar a mesma conta de serviço mais tarde, serão adicionados novos buckets à integração existente. Uma credencial guardada só é substituída quando a credencial de substituição continua a conseguir ler todos os buckets que já conectaste.

Criar um conjunto de dados a partir de um bucket do GCS#

1. Clica em New Dataset e abre o separador Cloud.
2. Escolhe um bucket conectado e navega até à pasta que contém os teus dados.
3. Confirma a pasta, ajusta o nome do conjunto de dados e cria-o.

A Platform lista a pasta uma vez e cria um índice do que encontra:

• Imagens — os objetos .jpg, .jpeg, .png, .webp e .avif são indexados com dimensões lidas através de pedidos limitados. A Platform não guarda uma segunda cópia da imagem de origem.
• Rótulos — os ficheiros auxiliares .txt do YOLO são analisados e convertidos em anotações na Platform, correspondendo ao esquema padrão images/ → labels/ ou a ficheiros na mesma pasta.
• Metadados — um ficheiro YAML fornece os nomes das classes e a estrutura dos pontos-chave de pose, tal como num carregamento de arquivo. Dá-se preferência a data.yaml e data.yml quando a pasta contém vários ficheiros.
• Tarefa — uma amostra dos ficheiros de rótulos determina a tarefa, por isso as pastas de segmentação, pose e OBB são reconhecidas pela estrutura dos respetivos rótulos, e não pela tarefa escolhida na caixa de diálogo.
• Divisões — os nomes de pasta train, val e test no caminho do objeto atribuem automaticamente as divisões.

A partir daí, o conjunto de dados funciona como qualquer outro: navega e anota, define-o como público ou privado, partilha-o com a tua equipa e treina com ele através do treino gerido. Os originais são transmitidos a pedido, e as imagens indexadas não consomem a tua quota de armazenamento da Platform.

Importações falhadas#

Se uma importação falhar — por uma pasta vazia, um erro de digitação no caminho ou permissões revogadas — o conjunto de dados apresenta o erro na respetiva página. Os editores podem clicar em Retry import para reiniciar a importação com o bucket e a pasta guardados, ou criar um novo conjunto de dados com o caminho corrigido.

Uma nova tentativa volta a listar a pasta em vez de continuar de onde ficou: os objetos adicionados desde a primeira tentativa são incluídos, e os objetos que já não estão lá são removidos do conjunto de dados.

Treino#

O treino gerido funciona através do fluxo normal de treino. Durante a execução, o treino utiliza as cópias das imagens fixadas que pertencem à própria Platform, e as tuas credenciais do Google Cloud nunca são expostas às cargas de trabalho de treino.

Desconectar uma conexão#

Ao desconectar, as credenciais guardadas são eliminadas sem alterar nada no Google Cloud. Os conjuntos de dados criados a partir desses buckets permanecem no teu espaço de trabalho com as respetivas classes, rótulos e anotações, mas as imagens não podem ser carregadas, pré-visualizadas ou usadas no treino até voltares a conectar a mesma conta de serviço.

Usa a REST API com o ID da 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, elimina a chave da conta de serviço no Google Cloud.

Limitações atuais#

Os conjuntos de dados ligados ao GCS não incluem atualmente funcionalidades que requerem cópias das imagens pertencentes à Platform: anotação automática, análise de agrupamento, clonagem de conjuntos de dados e instantâneos de versões imutáveis.

A eliminação de um conjunto de dados ligado ao GCS, ou de imagens individuais desse conjunto, remove apenas as referências da Platform — os teus objetos nunca são alterados.

Consulta também as integrações do Amazon S3 e do Azure Blob Storage.

Perguntas frequentes#