Integração com o Google Cloud Storage#

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

Crie uma conta de serviço somente leitura#

O Platform apenas lê a partir do teu armazenamento — nunca escreve, modifica ou elimina os teus objetos. Cria uma conta de serviço dedicada apenas com acesso de leitura:

1. No console do Google Cloud, vá para IAM & Admin > Service Accounts e crie uma conta de serviço.
2. Atribui-lhe a função Storage Object Viewer (roles/storage.objectViewer) nos buckets que pretendes ligar.
3. Abra a conta de serviço, escolha Keys > Add key > Create new key, selecione JSON e faça o download do arquivo de chave.

Conecte-se à Platform#

1. Vai 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, em seguida, seleciona os buckets a ligar. Se a conta de serviço não conseguir listar os buckets, introduz um nome de bucket conhecido manualmente.
4. Clique em Connect. A Platform verifica se consegue listar e ler cada bucket selecionado antes de salvar qualquer informação.

Precisas da função de administrador ou proprietário do workspace para ligar o armazenamento em nuvem. Uma ligação suporta até 50 buckets, e a descoberta lista até 300 dos buckets que a conta de serviço consegue ver.

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.

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

Crie um dataset a partir de um bucket GCS#

1. Clica em New Dataset e abre o separador Cloud.
2. Escolha um bucket 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 objetos .jpg, .jpeg, .png, .webp e .avif são indexados com dimensões lidas através de pedidos limitados. O Platform não mantém 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.
• Splits — Os nomes das pastas train, val e test no caminho do objeto 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 exibirá o erro na sua página. Editores podem clicar em Retry import para reiniciar com o bucket e a pasta armazenados, ou criar um novo dataset apontando para o caminho corrigido.

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

Treinamento#

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

Desligar uma Ligação#

Desligar elimina as credenciais armazenadas sem tocar em nada no Google Cloud. Os datasets criados a partir desses buckets permanecem no teu workspace com as respetivas classes, rótulos e anotações, mas as respetivas imagens não podem ser carregadas, pré-visualizadas nem utilizadas para treino até que a mesma conta de serviço 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, elimina a chave da conta de serviço no Google Cloud.

Limitações atuais#

Os datasets baseados no GCS excluem atualmente funcionalidades que requerem cópias das tuas imagens pertencentes ao Platform: anotação automática, análise de agrupamento, clonagem de datasets e [instantâneos de versão](https://ultralytics-translation-1.invalid imutáveis).

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

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