Link to this sectionOn Premise#

On Premise conecta workers de CPU e GPU NVIDIA opcional no teu próprio Linux, Apple Silicon macOS ou Windows host ao Ultralytics Platform. A plataforma permanece como o plano de controle hospedado para a UI, autenticação, metadados, anotações e orquestração de trabalhos, enquanto cada pixel e artefato de modelo treinado permanece nas tuas instalações.

O teu host precisa de Docker e acesso HTTPS de saída para a plataforma. O instalador adiciona o Docker automaticamente quando ele está faltando, então a configuração normal é um comando único.

Link to this sectionRequisitos do Sistema#

O ingest e o treinamento em CPU funcionam nos três sistemas operacionais. O instalador seleciona a imagem arm64 nativa oficial no Apple Silicon e ARM Linux, portanto, trabalhos pequenos como YOLO26n no COCO8 rodam sem emulação x86. A aceleração NVIDIA é opcional; quando não está disponível, o treinamento roda em CPU.

Link to this sectionLimite de Dados#

As pastas de dataset são montadas como somente leitura. A plataforma e seus workers hospedados nunca recebem os pixels de origem ou derivados, e os trabalhos On Premise nunca recorrem à computação da Ultralytics ou do RunPod.

Link to this sectionConectar um Host#

1. Abre o Ultralytics Platform no host Linux, Apple Silicon macOS ou Windows que pode acessar os teus datasets.
2. Vai em Settings > Integrations e seleciona Connect no cartão On Premise.
3. A plataforma seleciona o comando detectado para Linux, macOS ou Windows. O Apple Silicon é obrigatório no macOS. Mantém os valores pré-preenchidos ou altera-os:
   • Nome da máquina: On Premise host
   • Pasta de dataset: /datasets no Linux ou ~/Ultralytics/datasets no macOS e Windows
   • Pasta de modelos: /models no Linux ou ~/Ultralytics/models no macOS e Windows
4. Seleciona Create install command. A caixa de diálogo indica qual terminal abrir para o sistema operacional selecionado.
5. Copia o comando completo, cola-o no terminal e executa-o. O comando inclui o token de inscrição único, instala e inicia o Docker quando necessário, e cria as pastas selecionadas.
6. Deixa a caixa de diálogo aberta. A plataforma verifica a cada 500 milissegundos e mostra o host como conectado quando o worker de CPU inicia. Um worker de GPU inicia automaticamente quando o Docker expõe um runtime NVIDIA suportado.

O token de inscrição expira após 10 minutos e pode ser trocado apenas uma vez. O worker instalado armazena a chave de worker revogável resultante em um arquivo de ambiente com modo 0600. Ele nunca recebe credenciais do MongoDB da plataforma ou armazenamento em nuvem. O Compose reinicia os workers automaticamente, e a configuração define o Docker para iniciar na inicialização no Linux ou no login no macOS e Windows.

Link to this sectionCriar um Dataset On Premise#

1. Coloca o dataset na pasta de dataset conectada. Por exemplo, /datasets/warehouse é warehouse dentro da raiz padrão.
2. Na plataforma, seleciona New Dataset > On Premise.
3. Navega no host conectado com o mesmo navegador de pastas usado para Google Cloud Storage, Amazon S3 e Azure Blob Storage, seleciona uma pasta, escolhe a tarefa e cria o dataset privado.
4. O host indexa o dataset e reporta metadados. A plataforma nunca faz upload das imagens.

O On Premise usa o mesmo código de ingest de CPU que os uploads hospedados. Ele suporta:

• imagens e vídeos avulsos;
• arquivos ZIP, TAR, TAR.GZ e TGZ;
• Ultralytics NDJSON e COCO JSON;
• datasets YOLO e layouts de pasta de classificação; e
• tarefas de detectar, segmentar, pose, OBB e classificar, incluindo o mesmo mapeamento de classe, inferência de tarefa, validação e manipulação de divisão.

A saída de armazenamento é a única diferença. A ingestão hospedada pode redimensionar ou normalizar imagens e criar miniaturas no armazenamento da plataforma. O On Premise nunca redimensiona, recodifica, edita ou exclui originais montados. O conteúdo do arquivo, ativos NDJSON remotos e quadros de vídeo amostrados a 1 FPS até 100 quadros, depois uniformemente em vídeos mais longos, são gravados apenas em um volume Docker no host.

Link to this sectionVisualizar e Anotar#

A plataforma autoriza cada visualização, então o teu navegador carrega o arquivo vinculado à revisão diretamente de http://localhost:8765 no mesmo computador. Nenhum nome de host, certificado, VPN, proxy ou configuração de visualização é necessário.

As anotações são armazenadas como metadados da plataforma. Editar ou excluir uma imagem na plataforma altera apenas a referência e as anotações da plataforma; nunca altera um arquivo de origem ou sidecar de rótulo.

Link to this sectionTreinar Localmente#

Inicia o treinamento a partir da caixa de diálogo normal de treinamento de projeto. Um dataset vinculado a um host On Premise é reivindicável apenas por esse host. A plataforma usa o seu worker de GPU quando disponível e, caso contrário, executa o mesmo código de treinamento no seu worker de CPU. O treinamento lê os arquivos montados, escreve checkpoints e pesos na pasta de modelos configurada e retorna o estado do trabalho, métricas escalares e a referência imutável do checkpoint para a plataforma. Os downloads de modelos usam a mesma conexão localhost assinada que as visualizações, portanto, os pesos movem-se diretamente do teu host para o teu navegador.

O treinamento On Premise não consome créditos de computação da plataforma. Os workers hospedados da Ultralytics e o RunPod não podem reivindicar o trabalho ou ler seus pixels ou artefatos.

Link to this sectionGerenciar o Worker#

Usa o cartão On Premise em Settings > Integrations para visualizar a disponibilidade de CPU/GPU, reconectar um host ou desconectá-lo. Reconectar rotaciona o segredo do worker sem alterar a identidade do dataset existente. Desconectar revoga reivindicações futuras e acesso de visualização; não exclui datasets, arquivos de origem, pixels em cache ou artefatos de modelo do host.

Para inspecionar ou interromper a instalação no Linux:

cd /opt/ultralytics-worker
docker compose logs -f
docker compose down

No macOS e Windows, o instalador imprime o comando equivalente usando ~/.ultralytics/worker.

Ver também Datasets, Annotation e Cloud Training.