On Premise#

On Premise позволяет рабочему пространству Enterprise использовать наборы данных и вычислительные ресурсы на компьютере с Linux, macOS или Windows. Исходные изображения и видео остаются на твоём компьютере. Обучение работает так же, как в любом другом месте для удалённого обучения: метрики передаются в Platform, а веса завершённой модели загружаются для скачивания, предсказания, экспорта и развёртывания.

Настройка выполняется одной командой. Platform определяет твою операционную систему, подставляет подходящие пути к папкам, при необходимости устанавливает Docker и показывает ход подключения в реальном времени.

Как это работает#

flowchart LR
    A[Your browser] <-->|Interface, labels, and progress| B[Ultralytics Platform]
    A <-->|Dataset previews| C[Your On Premise computer]
    B <-->|Jobs, metrics, and model weights| C
    C --- D[(Dataset folder)]
    C --- E[(Models folder)]

Границы данных#

Веса моделей, метки, аннотации и метрики могут содержать информацию, полученную из твоих изображений. Только пиксели набора данных подпадают под строгое ограничение локального хранения. Облачное предсказание обрабатывает только изображения, которые ты отдельно отправляешь в этот облачный процесс; рабочий модуль никогда не пересылает изображения из подключённого набора данных.

Перед началом#

Выбери компьютер, который имеет доступ к твоим наборам данных и остаётся включённым, пока Platform их использует:

GPU не обязателен. Любой компьютер может импортировать наборы данных и обучать модели на своём CPU. Совместимый NVIDIA GPU может ускорить более крупные задачи обучения.

Подключи компьютер#

1. Открой Ultralytics Platform на компьютере, который имеет доступ к твоим наборам данных.
2. Перейди в Settings > Integrations и выбери On Premise в списке интеграций.
3. Проверь предварительно заполненные пути Dataset folder on this machine и Models folder on this machine.
4. Выбери Create install command.
5. Открой указанный в диалоговом окне терминал, скопируй команду, вставь её и нажми Enter.
6. Не закрывай страницу Integrations, пока индикатор выполнения не покажет Connected.

Страница в реальном времени отслеживает все шесть этапов настройки — выполнение команды, скачивание файлов рабочего модуля, скачивание образа Docker, сборку рабочего модуля, его запуск и подтверждение подключения — поэтому ты можешь следить за ходом выполнения, не читая терминал. Для подключения хоста требуются роль редактора рабочего пространства и активный план Enterprise; в рабочих пространствах с другим планом отображается кнопка Continue, которая вместо команды установки запрашивает пошаговое руководство по On Premise.

Перед копированием команды Platform подставляет папки и одноразовый токен подключения. Сгенерированная команда имеет следующий формат:

curl -fsSL 'https://platform.ultralytics.com/api/workers/install?os=linux' \
  | sudo sh -s -- \
    "/datasets" \
    "/models" \
    "YOUR_CONNECTION_TOKEN"

Параметры по умолчанию работают без изменений:

Команда настройки создаёт эти папки, при необходимости устанавливает и запускает Docker и настраивает перезапуск подключения вместе с компьютером. Операционная система может попросить подтвердить установку или перезапуск, прежде чем настройка завершится.

Базовые образы Docker#

Установщик запускает один контейнер и выбирает официальный базовый образ Ultralytics для хоста:

Установщик выбирает официальный образ с зафиксированной версией для хоста. Рабочий модуль добавляет зависимости для подключения, не переустанавливая Ultralytics. Во время настройки он обнаруживает CUDA, поэтому хост NVIDIA по-прежнему запускает один контейнер, а не отдельные рабочие модули для CPU и GPU. Облачные сервисы Platform выполняют предсказание и экспорт модели после загрузки лучшего чекпоинта.

Добавь набор данных#

1. Помести набор данных в настроенную папку наборов данных.
2. В Platform выбери New Dataset > On Premise.
3. Выбери подключённый компьютер.
4. Перейди к папке набора данных, выбери задачу и нажми Create.

Platform индексирует набор данных локально и открывает его в той же галерее, которая используется для загруженных наборов данных и наборов данных из облачного хранилища. Ты можешь просматривать изображения, проверять метки, фильтровать набор данных и выполнять разметку без загрузки пикселей.

Поддерживаемые данные#

On Premise поддерживает те же форматы импорта и задачи компьютерного зрения, что и загруженные данные:

• Изображения и видео
• Архивы ZIP, TAR, TAR.GZ и TGZ
• Ultralytics NDJSON и COCO JSON
• Наборы данных YOLO и папки классификации
• Задачи обнаружения, сегментации, семантической сегментации, классификации, оценки позы и ориентированных ограничивающих рамок (OBB)

Platform автоматически распознаёт распространённые структуры наборов данных, классы, метки и разделение на обучающую, валидационную и тестовую выборки. Папка набора данных подключается только для чтения, поэтому Platform никогда не изменяет размер, не перекодирует, не редактирует и не удаляет исходные файлы. Всё, что создаётся при импорте, — распакованные архивы, загруженные ресурсы NDJSON и кадры видео — записывается в частный том Docker на том же компьютере.

Предварительный просмотр и разметка#

Когда ты открываешь изображение, браузер загружает его напрямую с подключённого компьютера. Сертификат, имя хоста, VPN или настройка предварительного просмотра не требуются.

Аннотации и организация набора данных сохраняются в рабочем пространстве Platform, но изменения в Platform никогда не меняют исходные файлы изображений или меток.

Обучи модель#

Запусти обучение через стандартное диалоговое окно обучения Platform:

1. Открой проект и выбери New Model.
2. Выбери набор данных On Premise.
3. Выбери модель и параметры обучения.
4. Запусти обучение.

Platform выполняет задачу на подключённом компьютере. Она автоматически использует доступный NVIDIA GPU или переключается на CPU, поэтому Mac может обучить небольшую модель, например YOLO26n, на COCO8 без выделенного GPU.

Файлы обучения записываются в настроенную папку моделей, пока выполняется запуск. Пакет Ultralytics использует те же обратные вызовы удалённого обучения, что и любая машина под управлением заказчика: ход выполнения и метрики передаются в Platform, лучший чекпоинт загружается в хранилище Platform, а завершённая модель работает с существующими путями скачивания, предсказания, экспорта и развёртывания. Остальные артефакты обучения остаются в папке моделей. Обучение On Premise не использует вычислительные кредиты Platform, и Platform никогда не отправляет задачу обучения в облачные вычислительные ресурсы.

Управление подключением#

Открой Settings > Integrations, чтобы увидеть каждый подключённый компьютер, его имя хоста и оборудование, а также узнать, находятся ли его CPU и GPU сейчас в сети. Хост постоянно отправляет отчёты, поэтому выключенный компьютер или компьютер с потерянным подключением отображается как неактивный, а его наборы данных становятся временно недоступными, вместо того чтобы переключаться на облачные вычислительные ресурсы.

Reconnect создаёт новую команду установки для хоста, который ты ранее отключил. Она повторно использует ту же запись хоста, поэтому существующие наборы данных снова начинают работать без повторного импорта.

Disconnect немедленно отзывает доступ этого хоста. Поставленные в очередь, запускающиеся и выполняющиеся задачи, привязанные к нему, отменяются, включая текущее обучение, а набор данных, импорт которого ещё выполнялся, завершается с ошибкой On Premise host disconnected during ingest. Наборы данных, импорт которых завершился, сохраняют свои классы, метки и аннотации, но их нельзя просматривать или использовать для обучения, пока ты не подключишься снова. С компьютера ничего не удаляется, а модели, уже загруженные в Platform, остаются доступными.

Текущие ограничения#

• Повторного сканирования нет. Набор данных индексируется один раз при создании. Если после этого исходные файлы изменятся, Platform этого не заметит — создай новый набор данных, чтобы учесть изменения.
• Функции копирования в Platform недоступны. Для наборов данных On Premise недоступны функции, которым нужны принадлежащие Platform копии изображений: автоматическая разметка, кластерный анализ, клонирование набора данных и неизменяемые снимки версий.
• Обучение не перемещается. Если процесс рабочего модуля останавливается в середине запуска, запуск завершается с ошибкой, а не перезапускается в другом месте.
• Файлы моделей остаются на хосте. Удаление модели в Platform или её перемещение в корзину удаляет её из Platform, но не из твоей папки моделей — самостоятельно очисти эту папку, когда запуск больше не нужен.

Удаление набора данных On Premise или отдельных изображений из него удаляет только ссылки и аннотации Platform. Твои файлы никогда не затрагиваются.

Если настройка не завершается#

• Docker запрашивает разрешение: подтверди запрос и дождись запуска Docker. Настройка продолжится автоматически.
• Windows запрашивает перезагрузку: Перезагрузи компьютер, вернись к Settings > Integrations и создай новую команду установки.
• Срок действия команды настройки истёк: Создай новую команду установки. Каждая команда временная и работает один раз.
• Подключение остаётся неактивным: Открой Docker Desktop, повторно выполни новую сгенерированную команду и не закрывай терминал, пока он не сообщит, что локальное развертывание запущено.
• Предварительные просмотры не загружаются: Открой Platform в браузере на подключённом компьютере. Предварительные просмотры наборов данных поступают непосредственно с этого компьютера.
• Тебе нужны логи worker: Установщик записывает их в /opt/ultralytics-worker в Linux и в ~/.ultralytics/worker в macOS и Windows. Выполни docker compose logs -f из этой папки, чтобы отслеживать работу worker.

Также см. Наборы данных, Аннотация и Обучение.

Часто задаваемые вопросы#