Início Rápido da Plataforma Ultralytics

Ultralytics Platform foi projetada para ser amigável e intuitiva, permitindo que os usuários carreguem rapidamente seus datasets e treinem novos modelos YOLO. Ela oferece uma variedade de modelos pré-treinados para escolher, facilitando o início para os usuários. Uma vez que um modelo é treinado, ele pode ser testado diretamente no navegador e implantado em produção com um único clique.

journey
    title Your First Model in 5 Minutes
    section Sign Up
      Create account: 5: User
      Select region: 5: User
    section Prepare Data
      Upload dataset: 5: User
      Review images: 4: User
    section Train
      Configure training: 5: User
      Monitor progress: 3: Platform
    section Deploy
      Test model: 5: User
      Deploy endpoint: 5: User

Começar

Ultralytics Platform oferece uma variedade de opções fáceis de inscrição. Você pode se registrar e fazer login usando suas contas Google ou GitHub, ou com seu endereço de e-mail.

Seleção de Região

Durante o processo de integração (onboarding), será solicitado que você selecione sua região de dados. A Plataforma mede automaticamente a latência para cada região e recomenda a mais próxima. Esta é uma escolha importante, pois determina onde seus dados, modelos e implantações serão armazenados.

Créditos Gratuitos

Cada nova conta recebe créditos gratuitos para GPU na nuvem:

Complete Seu Perfil

Antes de selecionar sua região, você completará seu perfil com um nome de exibição, nome de usuário, empresa (opcional) e caso de uso principal. O fluxo de integração possui três etapas: Perfil, Região de Dados e Concluir.

Painel Inicial

Após fazer login, você será direcionado para a página inicial da Plataforma Ultralytics, que oferece um cartão de boas-vindas com estatísticas do espaço de trabalho, acesso rápido a conjuntos de dados, projetos e armazenamento, e um feed de atividades recentes.

Navegação da Barra Lateral

A barra lateral fornece acesso a todas as secções da Plataforma:

Cartão de Boas-Vindas

O cartão de boas-vindas mostra o seu perfil, distintivo do plano e estatísticas do espaço de trabalho rapidamente:

Ações Rápidas

Abaixo do cartão de boas-vindas, o painel exibe três cartões:

• Conjuntos de Dados: Crie um novo conjunto de dados ou arraste imagens, vídeos ou arquivos ZIP para upload. Mostra seus conjuntos de dados recentes.
• Projetos: Crie um novo projeto ou arraste .pt arquivos de modelo para upload. Mostra seus projetos recentes.
• Armazenamento: Visão geral do uso do seu armazenamento (conjuntos de dados, modelos, exportações) com os limites do plano.

Uma tabela de Atividade Recente na parte inferior mostra seus conjuntos de dados, modelos e execuções de treinamento mais recentes.

Faça Upload do Seu Primeiro Dataset

Navegue até Annotate na barra lateral e clique New Dataset para adicionar seus dados de treinamento. Você também pode arrastar e soltar arquivos diretamente no cartão Datasets no painel inicial.

A Plataforma Ultralytics suporta múltiplos formatos de upload (detalhes completos em Datasets):

graph LR
    A[Drop Files] --> B[Auto-Package ZIP]
    B --> C[Upload to Storage]
    C --> D[Backend Worker]
    D --> E[Resize & Thumbnail]
    E --> F[Parse Labels]
    F --> G[Compute Statistics]
    G --> H[Dataset Ready]

Após o upload, a plataforma processa automaticamente os seus dados:

1. Imagens maiores que 4096px são redimensionadas (preservando a proporção)
2. Miniaturas de 256px são geradas para navegação rápida
3. Os rótulos são analisados e validados (YOLO .txt formato)
4. Estatísticas são calculadas (distribuição de classes, mapas de calor, dimensões)

my-dataset.zip
├── data.yaml          # Class names and splits
├── train/
│   ├── images/
│   │   ├── img001.jpg
│   │   └── img002.jpg
│   └── labels/
│       ├── img001.txt
│       └── img002.txt
└── val/
    ├── images/
    └── labels/

Leia mais sobre conjuntos de dados e formatos suportados para detect, segment, pose, obb e classify.

Crie Seu Primeiro Projeto

Projetos ajudam a organizar modelos e experimentos relacionados. Navegue até Projetos e clique em "Criar Projeto".

Insira um nome e uma descrição opcional para seu projeto. Projetos contêm:

• Modelos: Pontos de verificação treinados
• Registro de Atividade: Histórico de alterações

Leia mais sobre projetos.

Treine Seu Primeiro Modelo

No seu projeto, clique Train Model para iniciar o treinamento na nuvem.

Configuração de Treinamento

1. Selecionar Conjunto de Dados: Escolha entre os seus conjuntos de dados carregados (apenas conjuntos de dados com um train divisão são mostrados)
2. Escolher Modelo: Selecione um modelo base — modelos oficiais da Ultralytics ou seus próprios modelos treinados
3. Definir Épocas: Número de iterações de treinamento (padrão: 100)
4. Selecionar GPU: Escolha os recursos de computação com base no seu orçamento e tamanho do modelo

Monitorar Treinamento

Assim que o treinamento começa, você pode monitorar o progresso em tempo real através de três sub-abas:

Métricas são transmitidas em tempo real via SSE (Server-Sent Events). Após a conclusão do treinamento, são gerados gráficos de validação, incluindo matriz de confusão, curvas PR e curvas F1.

Leia mais sobre treinamento em nuvem.

Teste Seu Modelo

Após a conclusão do treinamento, teste seu modelo diretamente no navegador:

1. Navegue para o seu modelo Predict guia
2. Carregue uma imagem, arraste e solte, ou use imagens de exemplo (inferência automática ao soltar)
3. Visualize os resultados da inferência com caixas delimitadoras renderizadas na tela

Ajuste os parâmetros de inferência:

O Predict o separador fornece exemplos de código prontos a usar com a sua chave de API real pré-preenchida:

import requests

url = "https://platform.ultralytics.com/api/models/{model_id}/predict"
headers = {"Authorization": "Bearer your_api_key"}

with open("image.jpg", "rb") as f:
    response = requests.post(url, headers=headers, files={"file": f})

print(response.json())

curl -X POST "https://platform.ultralytics.com/api/models/{model_id}/predict" \
  -H "Authorization: Bearer your_api_key" \
  -F "file=@image.jpg"

Leia mais sobre inferência.

Implante em Produção

Implante seu modelo em um endpoint dedicado para uso em produção:

1. Navegue para o seu modelo Deploy guia
2. Selecione uma região no mapa-múndi interativo (43 regiões disponíveis)
3. The map shows real-time latency measurements with traffic light colors (green < 100ms, yellow < 200ms, red > 200ms)
4. Clique Deploy para criar seu endpoint

graph LR
    A[Select Region] --> B[Deploy]
    B --> C[Provisioning ~1 min]
    C --> D[Running]
    D --> E{Lifecycle}
    E --> F[Stop]
    E --> G[Delete]
    F --> H[Resume]
    H --> D

Seu endpoint estará pronto em aproximadamente um minuto, com:

• URL Exclusiva: endpoint HTTPS para chamadas de API
• Autoescalonamento: Escala automaticamente com o tráfego
• Monitoramento: Métricas de requisição e logs

Após a implantação, você pode gerenciar todos os seus endpoints a partir do Deploy seção na barra lateral, que exibe um mapa global com implantações ativas, métricas de visão geral e uma lista de todos os endpoints.

Leia mais sobre endpoints.

Treinamento Remoto (Opcional)

Se você preferir treinar em seu próprio hardware, pode transmitir métricas para a plataforma usando sua chave de API. Isso funciona como Weights & Biases — treine em qualquer lugar, monitore na plataforma.

1. Gerar uma chave de API em Settings > Profile (seção Chaves de API)
2. Defina a variável de ambiente e treine com um project/name formato:

export ULTRALYTICS_API_KEY="ul_your_api_key_here"

yolo train model=yolo26n.pt data=coco.yaml epochs=100 project=username/my-project name=exp1

Leia mais sobre chaves de API, URIs de conjunto de dados e treinamento remoto.

Feedback

Valorizamos seu feedback! Use o botão de feedback para nos ajudar a melhorar a plataforma.

Precisa de ajuda?

Se você encontrar algum problema ou tiver dúvidas:

• Documentação: Consulte esta documentação para guias detalhados
• Discord: Junte-se à nossa comunidade Discord para discussões
• GitHub: Relate problemas no GitHub

📅 Criado há 2 meses ✏️ Atualizado há 2 dias

Comentários