Introdução à Ultralytics Platform

A Ultralytics Platform foi projetada para ser intuitiva e fácil de usar, permitindo que tu carregues rapidamente os teus datasets e treines novos modelos YOLO. Ela oferece uma gama de modelos pré-treinados para escolheres, facilitando o teu início. Depois de um modelo ser treinado, ele pode ser testado diretamente no navegador e implantado em produção com um único clique.

O diagrama interativo a seguir descreve os quatro estágios principais do fluxo de trabalho da Ultralytics Platform. Clica em qualquer estágio ou subetapa para acessar instruções detalhadas para essa seção.

graph LR
    A(Sign Up) --> B(Prepare Data) --> C(Train) --> D(Deploy)
    A -.- A1["<a href='#get-started'>Create account</a><br/><a href='#region-selection'>Select region</a>"]
    B -.- B1["<a href='#upload-your-first-dataset'>Upload dataset</a><br/><a href='#create-your-first-project'>Create Project</a>"]
    C -.- C1["<a href='#training-configuration'>Configure training</a><br/><a href='#monitor-training'>Monitor progress</a>"]
    D -.- D1["<a href='#test-your-model'>Test model</a><br/><a href='#deploy-to-production'>Deploy endpoint</a>"]

    click A "#get-started"
    click B "#upload-your-first-dataset"
    click C "#train-your-first-model"
    click D "#deploy-to-production"

Começar

A Ultralytics Platform oferece uma variedade de opções de cadastro fáceis. Podes registrar-te e iniciar sessão usando as tuas contas do Google ou GitHub, ou com o teu endereço de e-mail.

Seleção de Região

Durante o onboarding, ser-te-á solicitado que selecionas a tua região de dados. A Platform mede automaticamente a latência para cada região e recomenda a mais próxima. Esta é uma escolha importante, pois determina onde os teus dados, modelos e implantações serão armazenados.

Créditos Gratuitos

Todas as novas contas recebem créditos gratuitos para treino em GPU na nuvem:

Completa o teu Perfil

O fluxo de onboarding guia-te por três etapas:

1. Perfil - Insere o teu nome de exibição, nome de utilizador único (permanente, não pode ser alterado depois), organização (opcional) e principal caso de uso
2. Região de Dados - Seleciona US, EU ou AP com um mapa-múndi visual mostrando a latência
3. Concluir - Analisa as tuas seleções, aplica opcionalmente um código promocional e finaliza o cadastro para reivindicar os teus créditos de boas-vindas

Painel de Controle Inicial

Após iniciares sessão, serás direcionado para a página inicial da Ultralytics Platform, que fornece um cartão de boas-vindas com estatísticas do espaço de trabalho, acesso rápido a datasets, projetos e armazenamento, além de um feed de atividades recentes.

Navegação na Barra Lateral

A barra lateral fornece acesso a todas as seções da Platform:

Cartão de Boas-vindas

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

Ações Rápidas

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

• Datasets: Cria um novo dataset ou solta imagens, vídeos ou arquivos de dataset para fazer upload. Mostra os teus datasets recentes.
• Projetos: Cria um novo projeto ou solta arquivos de modelo .pt para fazer upload. Mostra os teus projetos recentes.
• Armazenamento: Visão geral do uso do teu armazenamento (datasets, modelos, exportações) com limites do plano.

Uma tabela de Atividade Recente na parte inferior mostra os teus datasets, modelos e execuções de treino mais recentes.

Pesquisa Global

Pressiona Cmd+K (Mac) ou Ctrl+K (Windows/Linux) para abrir a barra de pesquisa. Pesquisa instantaneamente entre páginas, projetos, conjuntos de dados e implementações.

Assistente de Chat AI

Um widget de chat flutuante está disponível em todas as páginas. Clica nele para fazeres perguntas sobre o treino de YOLO, anotação, implementação ou qualquer funcionalidade da plataforma. O assistente fornece ajuda contextual com base na página atual.

Tours de Integração

A plataforma inclui tours guiados que apresentam funcionalidades principais à medida que exploras diferentes secções:

Reiniciar Tours

Para repetir qualquer tour:

• Botão Redo Tour — Clica no teu avatar de perfil (canto inferior esquerdo da barra lateral) para abrir o menu do utilizador e, em seguida, seleciona Redo Tour. Isto reinicia todos os tours para que sejam reproduzidos na tua próxima visita a cada secção.
• Parâmetro URL — Navega para platform.ultralytics.com/home?tour=nav para reiniciar o Tour de Navegação diretamente.

Carrega o teu primeiro Conjunto de Dados

Navega até Annotate na barra lateral e clica em New Dataset para adicionares os teus dados de treino. Também podes arrastar e largar ficheiros diretamente no cartão Datasets no painel Home.

A Ultralytics Platform suporta vários formatos de carregamento (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 carregamento, a plataforma processa automaticamente os teus dados:

1. Imagens maiores que 4096px são redimensionadas (preservando a proporção)
2. Miniaturas de 256px são geradas para navegação rápida
3. As etiquetas são analisadas e validadas (formato .txt do YOLO)
4. As 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/

Lê mais sobre conjuntos de dados e formatos suportados para detect, segment, pose, OBB e classify.

Cria o teu primeiro Projeto

Os projetos ajudam-te a organizar modelos e experiências relacionados. Navega até Projects e clica em "Create Project".

Introduz um nome e uma descrição opcional para o teu projeto. Os projetos contêm:

• Modelos: Pontos de verificação (checkpoints) treinados
• Registo de Atividade: Histórico de alterações

Lê mais sobre projetos.

Treina o teu primeiro Modelo

A partir do teu projeto, clica em Train Model para iniciares o treino na nuvem.

Configuração de Treino

1. Selecionar Conjunto de Dados: Escolhe entre os teus conjuntos de dados carregados (apenas são mostrados conjuntos de dados com uma divisão train)
2. Escolher Modelo: Seleciona um modelo base - modelos oficiais Ultralytics ou os teus próprios modelos treinados
3. Definir Épocas: Número de iterações de treino (predefinição: 100)
4. Selecionar GPU: Escolhe recursos de computação com base no teu orçamento e no tamanho do modelo. A predefinição é RTX PRO 6000 (96 GB Blackwell, $1,89/h), que lida com todas as variantes do YOLO26. Consulta a tabela de preços de GPU completa ou o passo de Treino na Nuvem com GPU para a lista completa e restrições de escalão.

Monitorizar o Treino

Assim que o treino começar, podes monitorizar o progresso em tempo real através de três subseparadores:

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

Lê mais sobre treino na nuvem.

Testa o teu Modelo

Após a conclusão do treino, testa o teu modelo diretamente no browser:

1. Navega até ao separador Predict do teu modelo
2. Carrega uma imagem, arrasta e larga, ou usa imagens de exemplo (inferência automática ao largar)
3. Vê os resultados da inferência com caixas delimitadoras (bounding boxes) renderizadas na tela

Ajusta os parâmetros de inferência:

O separador Predict fornece exemplos de código prontos a usar com a tua chave API atual 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())

Leia mais sobre inferência.

Implantar em Produção

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

1. Navegue até a aba Deploy do seu modelo
2. Selecione uma região no mapa-múndi interativo (43 regiões disponíveis)
3. O mapa mostra medições de latência em tempo real com cores de semáforo (verde < 100ms, amarelo < 200ms, vermelho > 200ms)
4. Clique em 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 cerca de um minuto com:

• URL Única: Endpoint HTTPS para chamadas de API
• Comportamento de escala para zero: Sem custo computacional ocioso (as implantações atualmente executam uma única instância ativa)
• Monitoramento: Métricas e logs de solicitação

Após a implantação, você pode gerenciar todos os seus endpoints a partir da seção Deploy na barra lateral, que mostra 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, você pode transmitir métricas para a plataforma usando sua chave de API. Isso funciona como o Weights & Biases — treine em qualquer lugar, monitore na plataforma.

1. Gere uma chave de API em Settings > API Keys
2. Defina a variável de ambiente e treine com um formato project/name:

export ULTRALYTICS_API_KEY="YOUR_API_KEY"

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

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

Feedback & Ajuda

A página de Ajuda no rodapé da barra lateral inclui um formulário de feedback no aplicativo. Você pode avaliar sua experiência, escolher um tipo de feedback (bug, solicitação de recurso ou geral) e anexar capturas de tela.

Se precisar de mais ajuda:

• Chat de IA: Clique no widget de chat flutuante em qualquer página para obter ajuda instantânea
• Documentação: Navegue por estes documentos para guias detalhados sobre conjuntos de dados, anotação, treinamento, implantação e faturamento
• Discord: Junte-se à nossa comunidade no Discord para discussões
• GitHub: Relate problemas no GitHub
• REST API: Veja a referência da API ou experimente a documentação interativa da API para acesso programático a todos os recursos da Platform