Modelos

Ultralytics Platform fornece gerenciamento abrangente de modelos para treinar, analisar e implantar modelos YOLO. Faça upload de modelos pré-treinados ou treine novos diretamente na plataforma.

Carregar Modelo

Carregue pesos de modelo existentes para a plataforma:

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

Vários arquivos podem ser carregados simultaneamente (até 3 simultâneos).

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 checkpoint)

Treinar Modelo

Treinar 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 treinamento 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

Abas da Página do Modelo

Cada página de modelo possui as seguintes abas:

Aba de Visão Geral

Exibe metadados do modelo e métricas chave:

• Nome do modelo (editável), selo de status, tipo de tarefa
• Métricas finais (mAP50, mAP50-95, precisão, recall)
• Gráficos sparkline de métricas mostrando a progressão do treino
• Argumentos de treinamento (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

Aba de Treino

A aba Treinar possui três sub-abas:

Subguia de Gráficos

Gráficos interativos de métricas de treinamento exibindo curvas de perda e métricas de desempenho ao longo das épocas:

Subguia do Console

Saída do console ao vivo do processo de treinamento:

• Streaming de logs em tempo real durante o treinamento
• Barras de progresso da época e resultados de validação
• Detecção de erros com banners de erro destacados
• Suporte a cores ANSI para saída formatada

Subguia Sistema

Métricas de GPU e sistema durante o treinamento:

Aba Prever

Executar inferência interativa diretamente no navegador:

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

Separador Exportar

Exporte o seu modelo para mais de 17 formatos de implementação. Consulte Exportar Modelo abaixo e o guia principal do modo de Exportação para detalhes completos.

Separador Deploy

Crie e gerencie endpoints 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. Configurar argumentos de exportação (tamanho da imagem, precisão semi-dupla, dinâmico, etc.)
4. Para formatos que exigem GPU (TensorRT), selecione um tipo de GPU
5. Clique em Exportar
6. Faça o download quando concluído

Formatos Suportados

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

Guia de seleção de formatos

Suporte a Chips RKNN

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

Ciclo de Vida da Tarefa de Exportação

As tarefas de exportação progridem através dos seguintes estados:

Ações de Exportação em Massa

• Exportar Tudo: Clique Export All para iniciar trabalhos de exportação para todos os formatos baseados em CPU com configurações padrão.
• Excluir Todas as Exportações: Clique Delete All para remover todas as exportações do modelo.

Restrições de Formato

Alguns formatos de exportação possuem restrições de arquitetura ou tarefa:

Clonar Modelo

Clonar um modelo para um projeto diferente:

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

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

Baixar Modelo

Baixe os pesos do seu modelo:

1. Navegue para a aba Visão Geral do modelo
2. Clique no botão Download
3. O original .pt o arquivo é baixado automaticamente

Os formatos exportados podem ser descarregados 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 aba 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 vinculação 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 distintivo 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 Platform suporta totalmente todas as arquiteturas YOLO com projetos dedicados:

• YOLO26: variantes n, s, m, l, x (mais recente, recomendado) — platform.ultralytics.com/ultralytics/yolo26
• YOLO11: variantes n, s, m, l, x — platform.ultralytics.com/ultralytics/yolo11
• YOLOv8: variantes n, s, m, l, x — platform.ultralytics.com/ultralytics/yolov8
• YOLOv5: variantes n, s, m, l, x — platform.ultralytics.com/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 aba Visão Geral
2. O original .pt o arquivo é baixado 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 utilizar qualquer um dos modelos oficiais 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 fine-tuning a partir de qualquer checkpoint carregado.

📅 Criado há 2 meses ✏️ Atualizado há 25 dias

Comentários