Интеграция с Azure Blob Storage#

Интеграция Azure Blob Storage подключает контейнеры твоего аккаунта хранения к Ultralytics Platform. Твои изображения остаются в твоих контейнерах — Platform индексирует их на месте, поэтому ты можешь просматривать, аннотировать и обучать модели YOLO без загрузки копии.

Получи строку подключения#

Platform только читает данные из твоего хранилища — она никогда не записывает, не изменяет и не удаляет твои блобы. Текущая интеграция требует строку подключения с ключом доступа к учетной записи, которая предоставляет привилегии на уровне всей учетной записи, хотя Platform использует только операции просмотра списка и чтения:

1. На портале Azure открой свою учетную запись хранения.
2. Перейди в Security + networking > Access keys (Безопасность и сеть > Ключи доступа).
3. Скопируй connection string (строку подключения).

Строка должна содержать AccountName, AccountKey и HTTPS в качестве протокола — форму, которую Azure предоставляет в разделе Access keys. Строки подключения с SAS-токенами, содержащие SharedAccessSignature вместо AccountKey, отклоняются.

Подключение к Platform#

1. Перейди в Settings > Integrations и выбери Azure Blob Storage из списка интеграций.
2. Вставь строку подключения.
3. Нажми Find available containers, а затем выбери контейнеры для подключения. Ты также можешь ввести имя контейнера вручную.
4. Нажми Connect (Подключить). Перед сохранением данных Platform проверяет, может ли она просматривать список и читать каждый выбранный контейнер.

Для подключения облачного хранилища тебе необходима роль администратора или владельца рабочей области. Одно подключение поддерживает до 50 контейнеров, а функция обнаружения выводит список до 300 контейнеров в учетной записи хранения.

Повторное подключение к той же учетной записи хранения позже добавит новые контейнеры к существующей интеграции. Сохраненные учетные данные заменяются только тогда, когда новые учетные данные также могут прочитать каждый контейнер, который ты уже подключил.

Создай набор данных из контейнера блобов#

1. Нажми New Dataset и открой вкладку Cloud.
2. Выбери подключенный контейнер и перейди к папке, содержащей твои данные.
3. Подтверди выбор папки, укажи название набора данных и создай его.

Platform просканирует папку один раз и проиндексирует найденное:

• Images — блекбы .jpg, .jpeg, .png, .webp и .avif индексируются с размерами, считываемыми через ограниченные запросы. Platform не сохраняет вторую копию исходного изображения.
• Labels — сопутствующие файлы YOLO .txt преобразуются в аннотации Platform, сопоставляемые по стандартной структуре images/ → labels/ или как файлы в той же папке.
• Metadata — файл YAML задает имена классов и форму ключевых точек позы, точно так же, как при загрузке архива. data.yaml и data.yml предпочтительнее, если в папке их несколько.
• Task — образец файлов разметки определяет задачу, поэтому папки segment, pose и OBB распознаются по форме их разметки, а не по задаче, выбранной в диалоговом окне.
• Splits — названия папок train, val и test в пути blob автоматически назначают сплиты.

После этого датасет ведет себя как любой другой: просматривай и размечай его, сделай его публичным или приватным, делись им со своей командой и обучайся на нем с помощью управляемого обучения. Оригиналы передаются по запросу в режиме реального времени, а проиндексированные изображения не расходуют твою квоту хранилища в Platform.

Ошибки импорта#

Если импорт завершается с ошибкой — пустая папка, опечатка в пути или отозванные права доступа — набор данных показывает ошибку на своей странице. Редакторы могут нажать Retry import (Повторить импорт), чтобы перезапустить его с сохраненным контейнером и папкой, или создать новый набор данных, указывающий на исправленный путь.

Повторная попытка производит повторный вывод списка содержимого папки, а не возобновление: блобы, добавленные с момента первой попытки, захватываются, а блобы, которых больше нет, удаляются из датасета.

Training#

Управляемое обучение работает через обычный рабочий процесс обучения. Во время выполнения обучения используются собственные копии закрепленных изображений Platform, а твои учетные данные Azure никогда не передаются на рабочие нагрузки обучения.

Отключение подключения#

Отключение удаляет сохраненную строку подключения, не затрагивая ничего в Azure. Датасеты, созданные на основе этих контейнеров, остаются в твоей рабочей области вместе со своими классами, метками и аннотациями, но их изображения нельзя загружать, просматривать или использовать для обучения до тех пор, пока та же учетная запись хранения 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 на стороне источника, смени ключи доступа к учетной записи хранения в Azure.

Текущие ограничения#

Датасеты на базе Azure в настоящее время не поддерживают функции, для которых требуются копии изображений на стороне Platform: автоаннотирование, кластерный анализ, клонирование датасета и неизменяемые версионные снимки.

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

Также ознакомься с интеграциями Google Cloud Storage и Amazon S3.