Modelos

Ultralytics oferece gestão abrangente de modelos para treinar, analisar e implementar YOLO . Carregue modelos pré-treinados ou treine novos diretamente na plataforma.

Carregar Modelo

Carregue os pesos do modelo existente na plataforma:

1. Navegue até seu projeto
2. Arrastar e soltar .pt ficheiros na página do projeto ou na barra lateral dos modelos
3. Os metadados do modelo são analisados automaticamente a partir do ficheiro

É possível carregar vários ficheiros simultaneamente (até 3 ao mesmo tempo).

Formatos de modelo suportados:

Após o upload, a plataforma analisa os metadados do modelo:

• Tipo de tarefa (detect, segment, pose, OBB, classify)
• Arquitetura (YOLO26n, YOLO26s, etc.)
• Nomes e contagem de classes
• Tamanho de entrada e parâmetros
• Resultados e métricas do treino (se presentes no ponto de verificação)

Treinar Modelo

Treine um novo modelo diretamente na plataforma:

1. Navegue até seu projeto
2. Clique em Novo Modelo
3. Selecione o modelo base e o conjunto de dados
4. Configure os parâmetros de treinamento
5. Escolha entre formação na nuvem ou local
6. Iniciar treinamento

Consulte Cloud Training para instruções detalhadas.

Ciclo de vida do modelo

graph LR
    A[Upload .pt] --> B[Overview]
    C[Train] --> B
    B --> D[Predict]
    B --> E[Export]
    B --> F[Deploy]
    E --> G[17+ Formats]
    F --> H[Endpoint]

    style A fill:#4CAF50,color:#fff
    style C fill:#FF9800,color:#fff
    style E fill:#2196F3,color:#fff
    style F fill:#9C27B0,color:#fff

Guias da página Modelo

Cada página de modelo tem as seguintes guias:

Guia Visão geral

Exibe metadados do modelo e métricas principais:

• Nome do modelo (editável), emblema de estado, tipo de tarefa
• Métricas finais (mAP50, mAP50, precisão, recuperação)
• Gráficos métricos de sparkline mostrando a progressão do treinamento
• Argumentos de treino (épocas, tamanho do lote, tamanho da imagem, etc.)
• Link do conjunto de dados (quando treinado com um conjunto de dados da Plataforma)
• Botão de download para pesos do modelo

Guia Trem

A guia «Treino» tem três subguias:

Subguia Gráficos

Gráficos métricos de treino interativos que mostram curvas de perda e métricas de desempenho ao longo de épocas:

Subguia Console

Saída do console ao vivo do processo de treinamento:

• Transmissão de registos em tempo real durante o treino
• Barras de progresso e resultados de validação da Epoch
• Detecção de erros com banners de erro destacados
• Suporte a cores ANSI para saída formatada

Subguia Sistema

Métricas GPU do sistema durante o treinamento:

Guia Prever

Execute inferências interativas diretamente no navegador:

• Carregue uma imagem, cole um URL ou use a webcam
• Exibição dos resultados com caixas delimitadoras, máscaras ou pontos-chave
• Autoinferência quando uma imagem é fornecida
• Suporta todos os tipos de tarefas (detect, segment, pose, OBB, classify)

Guia Exportar

Exporte o seu modelo para mais de 17 formatos de implementação. Consulte Exportar modelo abaixo e o guia principal do modo Exportar para obter todos os detalhes.

Guia Implementar

Crie e gerencie pontos finais de inferência dedicados. Consulte Implantações para obter detalhes.

Gráficos de Validação

Após a conclusão do treinamento, visualize a análise de validação detalhada:

Matriz de Confusão

Mapa de calor interativo mostrando a precisão da previsão por classe:

Curvas PR/F1

Curvas de desempenho em diferentes limiares de confiança:

Exportar Modelo

graph LR
    A[Select Format] --> B[Configure Args]
    B --> C[Export]
    C --> D{GPU Required?}
    D -->|Yes| E[Cloud GPU Export]
    D -->|No| F[CPU Export]
    E --> G[Download]
    F --> G

    style A fill:#2196F3,color:#fff
    style C fill:#FF9800,color:#fff
    style G fill:#4CAF50,color:#fff

Exporte o seu modelo para mais de 17 formatos de implementação:

1. Navegue até a aba Exportar
2. Selecione o formato de destino
3. Configure os argumentos de exportação (tamanho da imagem, meia precisão, dinâmico, etc.)
4. Para formatos GPU(TensorRT), selecione um GPU
5. Clique em Exportar
6. Faça o download quando concluído

Formatos Suportados

A plataforma suporta exportação para mais de 17 formatos de implementação: ONNX, TorchScript, OpenVINO, TensorRT, CoreML, TF SavedModel, TF GraphDef, TF , TF TPU, TF.js, PaddlePaddle, NCNN, MNN, RKNN, IMX500, Axelera e ExecuTorch.

Guia de seleção de formatos

Suporte para chip RKNN

Ao exportar para o formato RKNN, selecione o seu dispositivo Rockchip de destino:

Ciclo de vida da tarefa de exportação

As tarefas de exportação passam pelos seguintes estados:

Ações de exportação em massa

• Exportar tudo: Clique Export All para iniciar tarefas de exportação para todos os formatos CPU com as configurações padrão.
• Eliminar todas as exportações: Clique Delete All para remover todas as exportações do modelo.

Restrições de formato

Alguns formatos de exportação têm restrições de arquitetura ou tarefas:

Modelo Clone

Clonar um modelo para um projeto diferente:

1. Abrir a página do modelo
2. Clique no botão Clonar
3. Selecione o projeto de destino
4. Clique em Clonar

O modelo e os seus pesos são copiados para o projeto de destino.

Baixar Modelo

Descarregue os pesos do seu modelo:

1. Navegue até a guia Visão geral do modelo
2. Clique no botão Transferir
3. O original .pt o ficheiro é descarregado automaticamente

Os formatos exportados podem ser descarregados a partir do separador Exportar após a conclusão da exportação.

Vinculação de Conjunto de Dados

Os modelos podem ser vinculados ao seu conjunto de dados de origem:

• Visualize qual conjunto de dados foi utilizado para o treinamento
• Clique no cartão do conjunto de dados na guia Visão geral para navegar até ele.
• track a linhagem dos dados

Ao treinar com conjuntos de dados da Plataforma utilizando o ul:// formato URI, a ligação é automática.

# Train with a Platform dataset — linking is automatic
yolo train model=yolo26n.pt data=ul://username/datasets/my-dataset epochs=100

Configurações de Visibilidade

Controle quem pode ver seu modelo:

Para alterar a visibilidade, clique no selo de visibilidade (por exemplo, private ou public) na página do modelo. A mudança para privado entra em vigor imediatamente. A mudança para público exibe uma caixa de diálogo de confirmação antes de ser aplicada.

Excluir Modelo

Remova um modelo que você não precisa mais:

1. Abra o menu de ações do modelo
2. Clique em Excluir
3. Confirmar exclusão

FAQ

Quais arquiteturas de modelo são suportadas?

Ultralytics oferece suporte total a todas YOLO com projetos dedicados:

• YOLO26: variantes n, s, m, l, x (mais recente, recomendada) — platform.ultralytics.ultralytics
• YOLO11: variantes n, s, m, l, x — platform.ultralytics.yolo11
• YOLOv8: variantes n, s, m, l, x — platform.ultralytics.yolov8
• YOLOv5: variantes n, s, m, l, x — platform.ultralytics.yolov5

Todas as arquiteturas suportam 5 tipos de tarefas: detect, segment, pose, OBB e classify.

Posso baixar meu modelo treinado?

Sim, baixe os pesos do seu modelo na página do modelo:

1. Clique no ícone de download na guia Visão geral
2. O original .pt o ficheiro é descarregado automaticamente
3. Os formatos exportados podem ser descarregados a partir do separador Exportar.

Como faço para comparar modelos entre projetos?

Atualmente, a comparação de modelos é feita dentro dos projetos. Para comparar entre projetos:

1. Clonar modelos para um único projeto ou
2. Exporte métricas e compare externamente

Qual é o tamanho máximo do modelo?

Não há um limite estrito, mas modelos muito grandes (>2GB) podem ter tempos de upload e processamento mais longos.

Posso fazer fine-tuning de modelos pré-treinados?

Sim! Pode usar qualquer um dos modelos oficiais do YOLO26 como base ou selecionar um dos seus próprios modelos concluídos no seletor de modelos na caixa de diálogo de treino. A plataforma suporta o ajuste fino a partir de qualquer ponto de verificação carregado.

📅 Criado há 1 mês ✏️ Atualizado há 5 dias

Comentários