On Premise#

On Premise permite que teu workspace Enterprise use datasets e computação em um computador Linux, macOS ou Windows. As imagens e vídeos de origem permanecem no teu computador. O treinamento se comporta como qualquer outro local de remote training: as métricas são transmitidas para a Platform e os pesos do modelo concluído são carregados para download, previsão, exportação e implantação.

A configuração demora apenas um comando. A Platform deteta o teu sistema operativo, preenche locais de pastas adequados, instala o Docker se necessário e mostra o progresso da ligação em tempo real.

Como Funciona#

flowchart LR
    A[Your browser] <-->|Interface, labels, and progress| B[Ultralytics Platform]
    A <-->|Dataset previews| C[Your On Premise computer]
    B <-->|Jobs, metrics, and model weights| C
    C --- D[(Dataset folder)]
    C --- E[(Models folder)]

Limites de dados#

Pesos do modelo, etiquetas, anotações e métricas podem codificar informações aprendidas a partir das tuas imagens. Apenas os píxeis do dataset têm um limite estrito apenas local. A previsão na cloud processa apenas as imagens que submetes separadamente para esse workflow na cloud; o worker nunca reencaminha uma imagem do teu dataset montado.

Antes de começar#

Escolhe um computador que consiga aceder aos teus conjuntos de dados e permaneça ligado enquanto a Platform os estiver a utilizar:

Um GPU é opcional. Todos os computadores conseguem ingerir datasets e treinar modelos no seu CPU. Um GPU NVIDIA compatível pode acelerar trabalhos de treino maiores.

Liga o Teu Computador#

1. Abre a Ultralytics Platform no computador que pode acessar teus datasets.
2. Vai para Settings > Integrations e seleciona On Premise na lista de integrações.
3. Revisa os caminhos pré-preenchidos Dataset folder on this machine e Models folder on this machine.
4. Seleciona Criar comando de instalação.
5. Abre o terminal mencionado na caixa de diálogo, copia o comando, cola-o e prime Enter.
6. Mantém a página de Integrações aberta até que o indicador de progresso mostre Connected.

A página acompanha os seis passos de configuração em tempo real — executar o comando, baixar os arquivos do worker, baixar a imagem Docker, criar o worker, iniciá-lo e confirmar a conexão — para que possas acompanhar o progresso sem ler o terminal. Conectar um host requer o role de editor do workspace e um plano Enterprise ativo; workspaces em outro plano veem um botão Continue que solicita um passo a passo guiado de On Premise em vez de um comando de instalação.

A Platform preenche as pastas e o token de ligação de utilização única antes de copiares o comando. O comando gerado segue o formato abaixo:

curl -fsSL 'https://platform.ultralytics.com/api/workers/install?os=linux' \
  | sudo sh -s -- \
    "/datasets" \
    "/models" \
    "YOUR_CONNECTION_TOKEN"

As predefinições funcionam sem edição:

O comando de configuração cria estas pastas, instala e inicia o Docker quando necessário, e configura a ligação para reiniciar com o teu computador. O teu sistema operativo pode pedir-te para aprovar a instalação ou reiniciar antes que a configuração possa terminar.

Imagens base Docker#

O instalador executa um container e seleciona a official Ultralytics base image para o host:

O instalador seleciona uma imagem oficial com versão fixa para o host. O trabalhador adiciona as respetivas dependências de conectividade sem reinstalar o Ultralytics. Ele deteta o CUDA durante a configuração, pelo que um host NVIDIA continua a executar apenas um contentor em vez de trabalhadores de CPU e GPU separados. Os serviços em nuvem da Platform geram previsões de modelos e exportações após o carregamento do melhor checkpoint.

Adicionar um Dataset#

1. Coloca o teu dataset dentro da pasta de datasets configurada.
2. Na plataforma, seleciona New Dataset > On Premise.
3. Escolhe o computador ligado.
4. Navega até à pasta de datasets, escolhe a tarefa e seleciona Criar.

A Platform indexa o dataset localmente e abre-o na mesma galeria usada para datasets carregados e armazenados na nuvem. Podes pré-visualizar imagens, inspecionar etiquetas, filtrar o dataset e anotar sem carregar os píxeis.

Dados Suportados#

O On Premise suporta os mesmos formatos de ingestão e tarefas de visão computacional que os dados carregados:

• Imagens e vídeos
• Arquivos ZIP, TAR, TAR.GZ e TGZ
• Ultralytics NDJSON e COCO JSON
• Datasets YOLO e pastas de classificação
• Tarefas de deteção, segmentação, semântica, classificação, pose e caixa delimitadora orientada (OBB)

A Platform reconhece automaticamente layouts comuns de conjuntos de dados, classes, rótulos e divisões de treino/validação/teste. A pasta do conjunto de dados é montada como só de leitura, pelo que a Platform nunca redimensiona, reencoda, edita ou elimina os teus ficheiros de origem. Tudo o que for derivado durante a ingestão — arquivos extraídos, ativos NDJSON descarregados e fotogramas de vídeo — é escrito num volume Docker privado no mesmo computador.

Visualizar e Anotar#

Quando abres uma imagem, o teu navegador carrega-a diretamente do computador ligado. Não existe certificado, nome de host, VPN ou configuração de pré-visualização.

As anotações e a organização do dataset são guardadas no teu workspace da Platform, mas as edições na Platform nunca alteram a tua imagem de origem ou os ficheiros de etiquetas.

Treine um modelo#

Começa o treino através da caixa de diálogo de treino normal da Platform:

1. Abre um projeto e seleciona New Model.
2. Escolhe o dataset On Premise.
3. Seleciona um modelo e as definições de treino.
4. Começa o treino.

A Platform executa o trabalho no computador ligado. Utiliza um GPU NVIDIA disponível ou recorre ao CPU automaticamente, por isso um Mac pode treinar um modelo pequeno como o YOLO26n no COCO8 sem hardware de GPU dedicado.

Os ficheiros de treino são escritos na pasta de modelos configurada enquanto a execução está ativa. O pacote Ultralytics usa os mesmos callbacks de treino remoto que qualquer máquina gerida pelo cliente: o progresso e as métricas são transmitidos para a Platform, o melhor checkpoint é carregado para o armazenamento da Platform e o modelo concluído funciona com os caminhos existentes de download, previsão, exportação e implementação. Outros artefactos de treino permanecem na tua pasta de modelos. O treino On Premise não utiliza créditos de computação da Platform e a Platform nunca envia o trabalho de treino para computação na cloud.

Gerir a Ligação#

Abre Settings > Integrations para ver cada computador ligado, o respetivo nome de anfitrião e hardware, e se a respetiva CPU e GPU estão atualmente online. O anfitrião reporta-se continuamente, pelo que um computador que seja desligado ou perca a conectividade aparece como offline e os seus conjuntos de dados ficam temporariamente indisponíveis em vez de recorrerem à computação na nuvem.

Reconnect emite um novo comando de instalação para um anfitrião que desligaste anteriormente. Reutiliza o mesmo registo de anfitrião, pelo que os seus conjuntos de dados existentes continuam a funcionar sem precisarem de ser reimportados.

Disconnect revoga o acesso desse anfitrião imediatamente. Os trabalhos em fila de espera, a iniciar e em execução associados ao mesmo são cancelados, incluindo o treino em curso, e um conjunto de dados que ainda estava a ser importado falha com On Premise host disconnected during ingest.. Os conjuntos de dados cuja importação terminou mantêm as suas classes, rótulos e anotações, mas não podem ser pré-visualizados nem utilizados para treino até os voltares a ligar. Nada é eliminado do computador e os modelos já enviados para a Platform continuam disponíveis.

Limitações atuais#

• No rescan. Um conjunto de dados é indexado uma vez quando o crias. Se os ficheiros de origem mudarem posteriormente, a Platform não dá por isso — cria um novo conjunto de dados para capturar as alterações.
• Platform-copy features are unavailable. Os conjuntos de dados On Premise excluem as funcionalidades que necessitam de cópias das tuas imagens pertencentes à Platform: anotação automática, análise de clusters, clonagem de conjuntos de dados e instantâneos de versão imutáveis.
• Training does not move. Se o processo do worker parar a meio da execução, a execução falha em vez de reiniciar noutro lugar.
• Model files stay on the host. Eliminar ou enviar um modelo para o lixo na Platform remove-o da Platform, e não da tua pasta de modelos — limpa essa pasta tu próprio quando uma execução já não for necessária.

Eliminar um conjunto de dados On Premise, ou imagens individuais do mesmo, remove apenas as referências e anotações da Platform. Os teus ficheiros nunca são tocados.

Se a Configuração Não Terminar#

• O Docker pede permissão: Aprova o pedido e espera que o Docker inicie. A configuração continua automaticamente.
• O Windows pede uma reinicialização: Reinicia o computador, retorna a Settings > Integrations e cria um novo comando de instalação.
• O comando de configuração expirou: Cria um novo comando de instalação. Cada comando é temporário e funciona uma vez.
• A ligação permanece offline: Abre o Docker Desktop, volta a executar um comando gerado recentemente e mantém o terminal aberto até que este reporte que o On Premise está a funcionar.
• As pré-visualizações não carregam: Abre a Platform num browser no computador ligado. As pré-visualizações do dataset vêm diretamente desse computador.
• You need the worker logs: O instalador escreve em /opt/ultralytics-worker no Linux e em ~/.ultralytics/worker no macOS e Windows. Executa docker compose logs -f a partir dessa pasta para acompanhar o worker.

Consulta também Datasets, Annotation e Training.