No local#

No local permite que o teu espaço de trabalho Enterprise utilize conjuntos de dados e computação num computador Linux, macOS ou Windows. As imagens e os vídeos de origem permanecem no teu computador. O treino funciona como qualquer outra localização de treino remoto: as métricas são transmitidas para a Platform e os pesos do modelo concluído são carregados para transferência, previsão, exportação e implementação.

A configuração requer um único comando. A Platform deteta o teu sistema operativo, preenche localizações de pastas adequadas, 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 dos dados#

Os pesos do modelo, rótulos, anotações e métricas podem codificar informações aprendidas a partir das tuas imagens. Apenas os pixels do conjunto de dados têm o limite estrito de permanência local. A previsão na cloud processa apenas imagens que submetas separadamente para esse fluxo de trabalho na cloud; o worker nunca reencaminha uma imagem do teu conjunto de dados montado.

Antes de Começares#

Escolhe um computador que consiga aceder aos teus conjuntos de dados e permanecer ligado enquanto a Platform os utiliza:

Uma GPU é opcional. Qualquer computador pode ingerir conjuntos de dados e treinar modelos na sua CPU. Uma GPU NVIDIA compatível pode acelerar trabalhos de treino maiores.

Ligar o teu computador#

1. Abre a Ultralytics Platform no computador que consegue aceder aos teus conjuntos de dados.
2. Acede a Settings > Integrations e seleciona No local na lista de integrações.
3. Revê os caminhos pré-preenchidos de Pasta do conjunto de dados neste computador e Pasta de modelos neste computador.
4. Seleciona Criar comando de instalação.
5. Abre o terminal indicado na caixa de diálogo, copia o comando, cola-o e prime Enter.
6. Mantém a página Integrações aberta até o indicador de progresso mostrar Ligado.

A página acompanha em tempo real as seis etapas da configuração — executar o comando, transferir os ficheiros do worker, transferir a imagem Docker, compilar o worker, iniciá-lo e confirmar a ligação — para que possas acompanhar o progresso sem ler o terminal. A ligação de um host requer a função de editor do espaço de trabalho e um plano Enterprise ativo; os espaços de trabalho noutro plano veem um botão Continuar que solicita uma explicação guiada do No local 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 aprovares a instalação ou reiniciares antes de a configuração terminar.

Imagens base do Docker#

O instalador executa um contentor e seleciona a imagem base oficial da Ultralytics para o host:

O instalador seleciona uma imagem oficial com a versão fixada para o host. O worker adiciona as dependências de conectividade sem reinstalar a Ultralytics. Deteta CUDA durante a configuração, pelo que um host NVIDIA continua a executar um único contentor em vez de workers separados para CPU e GPU. Os serviços na cloud da Platform tratam da previsão e exportação do modelo depois de o melhor checkpoint ser carregado.

Adicionar um conjunto de dados#

1. Coloca o teu conjunto de dados dentro da pasta de conjuntos de dados configurada.
2. Na Platform, seleciona Novo conjunto de dados > No local.
3. Escolhe o computador ligado.
4. Navega até à pasta do conjunto de dados, escolhe a tarefa e seleciona Criar.

A Platform indexa o conjunto de dados localmente e abre-o na mesma galeria utilizada para conjuntos de dados carregados e armazenados na cloud. Podes pré-visualizar imagens, inspecionar rótulos, filtrar o conjunto de dados e fazer anotações sem carregar os pixels.

Dados suportados#

O No local 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
• Conjuntos de dados YOLO e pastas de classificação
• Tarefas de deteção, segmentação, semântica, classificação, pose e caixas delimitadoras orientadas (OBB)

A Platform reconhece automaticamente esquemas 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, recodifica, edita ou elimina os teus ficheiros de origem. Tudo o que é derivado durante a ingestão — arquivos extraídos, recursos NDJSON transferidos e fotogramas de vídeo — é gravado num volume Docker privado no mesmo computador.

Pré-visualizar e fazer anotações#

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

As anotações e a organização do conjunto de dados são guardadas no teu espaço de trabalho da Platform, mas as edições na Platform nunca alteram os teus ficheiros de imagem ou de rótulos de origem.

Treinar um modelo#

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

1. Abre um projeto e seleciona Novo modelo.
2. Escolhe o conjunto de dados No local.
3. Seleciona um modelo e as definições de treino.
4. Inicia o treino.

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

Os ficheiros de treino são gravados na pasta de modelos configurada enquanto a execução está ativa. O pacote Ultralytics utiliza 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 fluxos existentes de transferência, previsão, exportação e implementação. Os restantes artefactos de treino permanecem na tua pasta de modelos. O treino No local não utiliza créditos de computação da Platform e a Platform nunca envia o trabalho de treino para a computação na cloud.

Gerir a ligação#

Abre Settings > Integrations para veres cada computador ligado, o respetivo nome de host e hardware, e se a CPU e a GPU estão atualmente online. O host comunica continuamente, pelo que um computador desligado ou que perca a conectividade aparece como offline e os respetivos conjuntos de dados ficam temporariamente indisponíveis, em vez de recorrerem à computação na cloud.

Ligar novamente emite um novo comando de instalação para um host que tenhas desligado anteriormente. Reutiliza o mesmo registo de host, pelo que os respetivos conjuntos de dados existentes voltam a funcionar sem serem reimportados.

Desligar revoga imediatamente o acesso desse host. Os trabalhos em fila, em arranque ou em execução associados a ele são cancelados, incluindo o treino em curso, e um conjunto de dados que ainda estivesse a ser importado falha com On Premise host disconnected during ingest. Os conjuntos de dados que terminaram a importação mantêm as respetivas classes, rótulos e anotações, mas não podem ser pré-visualizados ou utilizados no treino até voltares a ligar o host. Nada é eliminado do computador e os modelos já carregados para a Platform continuam disponíveis.

Limitações atuais#

• Sem nova análise. Um conjunto de dados é indexado uma vez, quando o crias. Se os ficheiros de origem mudarem posteriormente, a Platform não deteta a alteração — cria um novo conjunto de dados para incorporar as alterações.
• As funcionalidades de cópia da Platform estão indisponíveis. Os conjuntos de dados No local excluem as funcionalidades que necessitam de cópias das tuas imagens pertencentes à Platform: anotação automática, análise de clustering, clonagem de conjuntos de dados e instantâneos de versões imutáveis.
• O treino não é transferido. Se o processo do worker parar a meio da execução, esta falha em vez de reiniciar noutro local.
• Os ficheiros do modelo permanecem no host. Eliminar ou mover um modelo para o lixo na Platform remove-o da Platform, não da tua pasta de modelos — limpa tu próprio essa pasta quando uma execução já não for necessária.

Eliminar um conjunto de dados No local, ou imagens individuais do mesmo, remove apenas as referências e anotações da Platform. Os teus ficheiros nunca são alterados.

Se a configuração não terminar#

• O Docker pede permissão: aprova o pedido e aguarda que o Docker seja iniciado. A configuração continua automaticamente.
• O Windows pede um reinício: Reinicie o computador, volte a Settings > Integrations e crie um novo comando de instalação.
• O comando de configuração expirou: Crie um novo comando de instalação. Cada comando é temporário e funciona uma vez.
• A conexão permanece offline: Abra o Docker Desktop, execute novamente um comando recém-gerado e mantenha o terminal aberto até que ele informe que o On Premise está em execução.
• As pré-visualizações não carregam: Abra a Platform num navegador no computador conectado. As pré-visualizações dos conjuntos de dados vêm diretamente desse computador.
• Você precisa dos logs do worker: O instalador grava em /opt/ultralytics-worker no Linux e em ~/.ultralytics/worker no macOS e no Windows. Execute docker compose logs -f nessa pasta para acompanhar o processo.

Veja também Conjuntos de dados, Anotação e Treinamento.

Perguntas frequentes#