On Premise#

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

Настройка занимает одну команду. Платформа определяет твою операционную систему, заполняет подходящие пути к папкам, устанавливает Docker, если это необходимо, и показывает прогресс 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 имеют строгую локальную границу. Облачное предсказание обрабатывает только изображения, которые ты отдельно отправляешь в этот облачный рабочий процесс; воркер никогда не пересылает изображение из твоего подключенного набора данных.

Перед началом#

Выбери компьютер на базе Linux, Mac с процессором Apple silicon или 64-битную систему Windows, которая может получать доступ к твоим датасетам и оставаться во включенном состоянии во время их использования Platform. Выдели достаточно свободного места на диске для датасетов, запусков моделей и образов Docker, а также убедись, что компьютер может устанавливать исходящие соединения HTTPS.

GPU не обязателен. Любой компьютер может обрабатывать наборы данных и обучать модели на своем CPU. Совместимый NVIDIA GPU может ускорить выполнение более крупных задач обучения.

Подключи свой компьютер#

1. Открой Ultralytics Platform на компьютере, имеющем доступ к твоим наборам данных.
2. Перейди в раздел Settings > Integrations и выбери On Premise из списка интеграций.
3. Проверь предварительно заполненные пути Dataset folder on this machine и Models folder on this machine.
4. Нажми Создать команду установки.
5. Открой терминал, указанный в диалоговом окне, скопируй команду, вставь ее и нажми Enter.
6. Не закрывай страницу интеграций, пока индикатор выполнения не покажет статус Connected.

Платформа заполняет папки и одноразовый токен подключения перед тем, как ты скопируешь команду. Сгенерированная команда следует приведенному ниже формату:

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

Стандартные настройки работают без изменений:

Команда настройки создает эти папки, устанавливает и запускает Docker при необходимости, а также настраивает подключение для автоматического перезапуска вместе с компьютером. Твоя операционная система может попросить тебя подтвердить установку или выполнить перезагрузку перед завершением настройки.

Базовые образы Docker#

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

Инсталлер выбирает для хоста официальный образ с зафиксированной версией. Воркер добавляет зависимости подключения без переустановки Ultralytics. Он определяет CUDA во время настройки, поэтому хост NVIDIA по-прежнему запускает один контейнер, а не раздельные воркеры для CPU и GPU. Облачные сервисы Platform обрабатывают предсказание и экспорт моделей после загрузки лучшего чекпоинта.

Добавь набор данных#

1. Помести свой набор данных в настроенную папку для наборов данных.
2. На Платформе выбери New Dataset > On Premise.
3. Выбери подключенный компьютер.
4. Перейди в папку набора данных, выбери задачу и нажми Создать.

Платформа индексирует набор данных локально и открывает его в той же галерее, что используется для загруженных и облачных наборов данных. Ты можешь просматривать изображения, проверять разметку, фильтровать набор данных и аннотировать без загрузки самих пикселей на сервер.

Поддерживаемые данные#

On Premise поддерживает те же форматы загрузки и задачи компьютерного зрения, что и при работе с облачными данными:

• Изображения и видео
• Архивы ZIP, TAR, TAR.GZ и TGZ
• Ultralytics NDJSON и COCO JSON
• Наборы данных YOLO и папки классификации
• Задачи детектирования, сегментации, распознавания ключевых точек, ориентированных BBox (OBB) и классификации

Платформа автоматически распознает типичные структуры наборов данных, классы, метки и разделение на обучающую/валидационную/тестовую выборки. Платформа воспринимает исходные файлы как доступные только для чтения и никогда не меняет их размер, не перекодирует, не редактирует и не удаляет их.

Предпросмотр и аннотирование#

Когда ты открываешь изображение, твой браузер загружает его напрямую с подключенного компьютера. Сертификаты, имена хостов, VPN или настройки предварительного просмотра не требуются.

Аннотации и организация наборов данных сохраняются в твоем рабочем пространстве Платформы, но правки внутри Платформы никогда не изменяют твои исходные файлы изображений или меток.

Обучить модель#

Начни обучение через стандартный диалог обучения Платформы:

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

Платформа запускает задачу на подключенном компьютере. Она автоматически использует доступный NVIDIA GPU или переключается на CPU, поэтому Mac может обучить небольшую модель, например YOLO26n, на COCO8 без специального GPU-оборудования.

Файлы обучения записываются в настроенную папку моделей во время активного выполнения. Пакет Ultralytics использует те же обратные вызовы удаленного обучения, что и любая управляемая клиентом машина: прогресс и метрики передаются в Platform, лучшая контрольная точка загружается в хранилище Platform, а завершенная модель работает с существующими путями для скачивания, предсказания, экспорта и развертывания. Другие артефакты обучения остаются в твоей папке моделей. Обучение On Premise не использует вычислительные кредиты Platform, и Platform никогда не отправляет задание обучения в облачные вычисления.

Управление подключением#

Открой Settings > Integrations, чтобы увидеть, доступны ли компьютер и его CPU или GPU. Ты можешь переподключиться для обновления доступа или отключить его, когда он больше не нужен.

Отключение предотвращает запуск новых заданий и просмотров, но не удаляет наборы данных или исходные файлы с компьютера. Загруженные модели остаются доступными в Platform.

Если настройка не завершается#

• Docker запрашивает разрешение: подтверди запрос и подожди, пока Docker запустится. Настройка продолжится автоматически.
• Windows требует перезагрузки: перезагрузи компьютер, вернись в Settings > Integrations и создай новую команду установки.
• Команда установки устарела: создай новую команду установки. Каждая команда временная и работает один раз.
• Соединение остается офлайн: открой Docker Desktop, запусти заново новую сгенерированную команду и держи терминал открытым, пока он не сообщит, что On Premise запущен.
• Просмотры не загружаются: Открой Platform в браузере на подключенном компьютере. Предварительные просмотры наборов данных приходят напрямую с этого компьютера.

Также смотри Datasets, Annotation и Training.