On Premise#

On Premise позволяет твоему рабочему пространству Enterprise использовать датасеты и вычисления на компьютере под управлением Linux, macOS или Windows. Исходные изображения и видео остаются на твоем компьютере. Обучение работает так же, как и в любом другом месте remote training: метрики передаются в Platform в режиме реального времени, 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, который имеет доступ к твоим датасетам и остается включенным, пока Platform использует их:

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, у которого есть доступ к твоим датасетам.
2. Перейди в 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.

Страница в реальном времени отслеживает шесть шагов установки — выполнение команды, загрузку файлов воркера, загрузку образа Docker, сборку воркера, его запуск и подтверждение соединения, — так что ты можешь следить за прогрессом без чтения терминала. Для подключения хоста требуются роль редактора воркспейса и активный тарифный план Enterprise; для воркспейсов на другом тарифе отображается кнопка Continue, которая запрашивает ознакомительную демонстрацию On Premise вместо команды установки.

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 official Ultralytics base image 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 обнаружения, сегментации, семантической сегментации, классификации, определения позы и ориентированных ограничивающих прямоугольников (OBB)

Platform автоматически распознает стандартные структуры датасетов, классы, разметку и разбиения на обучение/валидацию/тест. Папка датасета монтируется только для чтения, поэтому Platform никогда не изменяет размер, не перекодирует, не редактирует и не удаляет твои исходные файлы. Все, что создается при импорте — распакованные архивы, загруженные ассеты NDJSON и кадры видео, — записывается в частный том Docker на том же компьютере.

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 просмотреть каждый подключенный компьютер, его имя хоста и аппаратное обеспечение, а также информацию о том, находятся ли его CPU и GPU в сети в данный момент. Хост передает данные непрерывно, поэтому компьютер, который выключен или потерял соединение, отображается как оффлайн, а его датасеты становятся временно недоступными вместо переключения на облачные вычисления.

Reconnect создает новую команду установки для хоста, который ты отключил ранее. Она использует ту же запись хоста, поэтому его существующие датасеты продолжают работать без повторного импорта.

Disconnect немедленно отзывает доступ этого хоста. Задания в очереди, запускающиеся и выполняющиеся задания, привязанные к нему, отменяются, включая выполняющееся в данный момент обучение, а датасет, импорт которого еще продолжался, завершается с ошибкой On Premise host disconnected during ingest.. Датасеты, импорт которых завершился, сохраняют свои классы, разметку и аннотации, но их нельзя просматривать или использовать для обучения, пока ты не выполнишь переподключение. Ничего с компьютера не удаляется, а модели, уже загруженные на Platform, остаются доступными.

Текущие ограничения#

• No rescan. Датасет индексируется один раз при создании. Если исходные файлы изменяются после этого, Platform этого не заметит — создай новый датасет, чтобы применить изменения.
• Platform-copy features are unavailable. Датасеты On Premise не поддерживают функции, которым требуются копии твоих изображений на стороне Platform: авторазметку, анализ кластеризации, клонирование датасета и неизменяемые версионные снимки.
• Training does not move. Если процесс воркера останавливается посреди выполнения, задача завершается с ошибкой, а не перезапускается в другом месте.
• Model files stay on the host. Удаление или перемещение модели в корзину на Platform удаляет ее из Platform, но не из твоей папки моделей — очищай эту папку самостоятельно, когда запуск больше не нужен.

Удаление датасета On Premise или отдельных изображений из него удаляет только ссылки и аннотации Platform. К твоим файлам никто не прикасается.

Если настройка не завершается#

• Docker запрашивает разрешение: подтверди запрос и подожди, пока Docker запустится. Настройка продолжится автоматически.
• Windows запрашивает перезагрузку: 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.
• You need the worker logs: Инсталлятор записывает данные в /opt/ultralytics-worker на Linux и в ~/.ultralytics/worker на macOS и Windows. Запусти docker compose logs -f из этой папки, чтобы следить за работой воркера.

Также см. Datasets, Annotation и Training.