Интеграция с Azure Blob Storage#

Интеграция с Azure Blob Storage подключает контейнеры твоей учетной записи хранилища к Ultralytics Platform. Изображения остаются в твоих контейнерах — Platform индексирует их на месте, поэтому ты можешь просматривать, аннотировать их и обучать модели YOLO без загрузки копии.

Получение строки подключения#

Platform только читает данные из твоего хранилища — она никогда не записывает, не изменяет и не удаляет твои blob-объекты. Текущая интеграция требует строки подключения с ключом доступа к учетной записи, которая предоставляет права на уровне всей учетной записи, хотя Platform использует только операции перечисления и чтения:

1. В портале Azure открой свою учетную запись хранилища.
2. Перейди в раздел Security + networking > Access keys.
3. Скопируй строку подключения.

Строка должна содержать AccountName, AccountKey и HTTPS в качестве протокола — именно такую форму Azure предоставляет в разделе Access keys. Строки подключения с SAS-токеном, которые содержат SharedAccessSignature вместо AccountKey, отклоняются.

Подключение к Платформе#

1. Перейди в Settings > Integrations и выбери Azure Blob Storage в списке интеграций.
2. Вставь строку подключения.
3. Нажми Find available containers, затем выбери контейнеры для подключения. Ты также можешь вручную ввести имя контейнера .
4. Нажми Connect. Platform проверяет возможность перечисления и чтения каждого выбранного контейнера, прежде чем что-либо сохранять.

Для подключения облачного хранилища тебе нужна роль администратора или владельца рабочего пространства. Одно подключение поддерживает до 50 контейнеров, а при обнаружении в учетной записи хранилища отображается до 300 контейнеров.

При повторном подключении той же учетной записи хранилища новые контейнеры добавляются в существующую интеграцию. Сохраненные учетные данные заменяются только после того, как новые учетные данные смогут по-прежнему читать каждый уже подключенный контейнер.

Создание набора данных из контейнера blob-хранилища#

1. Нажми New Dataset и открой вкладку Cloud.
2. Выбери подключенный контейнер и перейди к папке с твоими данными.
3. Подтверди папку, при необходимости измени имя набора данных и создай его.

Платформа один раз просматривает содержимое папки и индексирует найденные объекты:

• Изображения — blob-объекты .jpg, .jpeg, .png, .webp и .avif индексируются с определением размеров через ограниченные запросы. Platform не сохраняет вторую копию исходного изображения.
• Метки — сопутствующие файлы YOLO .txt разбираются в аннотации Платформы и сопоставляются по стандартной структуре images/ → labels/ или как соседние файлы в одной папке.
• Метаданные — YAML-файл содержит имена классов и структуру ключевых точек позы, как и при загрузке архива. Если в папке их несколько, предпочтение отдается data.yaml и data.yml.
• Задача — задача определяется по образцу файлов меток, поэтому папки для сегментации, позы и OBB распознаются по структуре меток, а не по задаче, выбранной в диалоговом окне.
• Разбиение — имена папок train, val и test в пути к blob-объекту автоматически назначают разбиения.

После этого набор данных работает как любой другой: просматривай и размечай его, делай его общедоступным или приватным, делись им со своей командой и обучай на нем с помощью управляемого обучения. Исходные файлы передаются по запросу, а проиндексированные изображения не расходуют твою квоту хранилища Платформы.

Неудачные импорты#

Если импорт завершается ошибкой — из-за пустой папки, опечатки в пути или отозванных разрешений — набор данных показывает ошибку на своей странице. Редакторы могут нажать Retry import, чтобы перезапустить импорт с сохраненными контейнером и папкой, или создать новый набор данных с исправленным путем.

Повторная попытка заново перечисляет содержимое папки, а не продолжает процесс: добавленные после первой попытки blob-объекты включаются, а отсутствующие больше blob-объекты удаляются из набора данных.

Обучение#

Управляемое обучение выполняется через стандартный процесс обучения. Во время запуска обучение использует собственные копии закрепленных изображений, созданные Platform, а твои учетные данные Azure никогда не передаются рабочим нагрузкам обучения.

Отключение подключения#

Отключение удаляет сохраненную строку подключения, не затрагивая ничего в Azure. Наборы данных, созданные из этих контейнеров, остаются в твоем рабочем пространстве вместе с их классами, метками и аннотациями, но их изображения нельзя загрузить, просмотреть или использовать для обучения, пока та же учетная запись хранилища не будет подключена снова.

Используй REST API с идентификатором интеграции, возвращаемым GET /api/integrations/buckets:

curl -X DELETE \
  -H "Authorization: Bearer YOUR_API_KEY" \
  https://platform.ultralytics.com/api/integrations/buckets/INTEGRATION_ID

from ultralytics_platform import Platform

client = Platform()  # reads ULTRALYTICS_API_KEY
integrations = client.storage_integrations.list()
client.storage_integrations.delete("INTEGRATION_ID")

Чтобы вместо этого отозвать доступ непосредственно в источнике, смени ключи доступа к учетной записи хранилища в Azure.

Текущие ограничения#

Наборы данных на базе Azure в настоящее время не поддерживают функции, которым требуются копии изображений, принадлежащие Platform: автоматическую аннотацию, кластерный анализ, клонирование наборов данных и неизменяемые снимки версий.

Удаление набора данных на базе Azure или отдельных изображений из него удаляет только ссылки Platform — твои blob-объекты никогда не затрагиваются.

См. также интеграции с Google Cloud Storage и Amazon S3.

Часто задаваемые вопросы#