Быстрый старт с Ultralytics Platform

Ultralytics Platform разработана как удобная и интуитивно понятная платформа, позволяющая пользователям быстро загружать свои наборы данных и обучать новые модели YOLO. Она предлагает широкий выбор предварительно обученных моделей, что облегчает начало работы для пользователей. После обучения модель можно протестировать непосредственно в браузере и развернуть в производственной среде одним щелчком мыши.

journey
    title Your First Model in 5 Minutes
    section Sign Up
      Create account: 5: User
      Select region: 5: User
    section Prepare Data
      Upload dataset: 5: User
      Review images: 4: User
    section Train
      Configure training: 5: User
      Monitor progress: 3: Platform
    section Deploy
      Test model: 5: User
      Deploy endpoint: 5: User

Начать

Ultralytics предлагает несколько простых вариантов регистрации. Вы можете зарегистрироваться и войти в систему, используя свои учетные записи Google GitHub, либо свой адрес электронной почты.

Выбор региона

Во время регистрации вам будет предложено выбрать регион хранения данных. Платформа автоматически измеряет задержку для каждого региона и рекомендует ближайший. Это важный выбор, поскольку он определяет, где будут храниться ваши данные, модели и развертывания.

Бесплатные кредиты

Каждый новый аккаунт получает бесплатные кредиты для GPU на облачном GPU :

Заполните свой профиль

Перед выбором региона вам необходимо заполнить свой профиль, указав отображаемое имя, имя пользователя, название компании (необязательно) и основной случай использования. Процесс регистрации состоит из трех этапов: профиль, регион хранения данных и завершение.

Главная панель управления

После входа в систему вы будете перенаправлены на главную страницу Ultralytics , где вас ждет приветственная открытка со статистикой рабочего пространства, быстрым доступом к наборам данных, проектам и хранилищу, а также лентой последних действий.

Навигация по боковой панели

Боковая панель обеспечивает доступ ко всем разделам платформы:

Приветственная открытка

На приветственной карточке сразу видны ваш профиль, значок плана и статистика рабочего пространства:

Быстрые действия

Под приветственной карточкой на панели инструментов отображаются три карточки:

• Наборы данных: создайте новый набор данных или перетащите изображения, видео или ZIP-файлы для загрузки. Отображает ваши последние наборы данных.
• Проекты: Создать новый проект или удалить .pt файлы моделей для загрузки. Показывает ваши последние проекты.
• Хранение: обзор использования хранилища (наборы данных, модели, экспорт) с ограничениями плана.

Таблица «Недавняя активность» внизу показывает ваши последние наборы данных, модели и циклы обучения.

Загрузите свой первый набор данных

Перейдите к Annotate в боковой панели и нажмите New Dataset чтобы добавить свои учебные данные. Вы также можете перетащить файлы прямо на карточку «Наборы данных» на главной панели инструментов.

Ultralytics поддерживает несколько форматов загрузки (подробная информация в разделе «Наборы данных»):

graph LR
    A[Drop Files] --> B[Auto-Package ZIP]
    B --> C[Upload to Storage]
    C --> D[Backend Worker]
    D --> E[Resize & Thumbnail]
    E --> F[Parse Labels]
    F --> G[Compute Statistics]
    G --> H[Dataset Ready]

После загрузки платформа автоматически обрабатывает ваши данные:

1. Изображения размером более 4096 пикселей изменяются в размере (с сохранением соотношения сторон).
2. Для быстрого просмотра создаются миниатюры размером 256 пикселей.
3. Метки анализируются и проверяются (YOLO .txt формат)
4. Вычисляются статистические данные (распределение классов, тепловые карты, размерности)

my-dataset.zip
├── data.yaml          # Class names and splits
├── train/
│   ├── images/
│   │   ├── img001.jpg
│   │   └── img002.jpg
│   └── labels/
│       ├── img001.txt
│       └── img002.txt
└── val/
    ├── images/
    └── labels/

Подробнее о наборах данных и поддерживаемых форматах для detect, segment, pose, OBB и classify.

Создайте свой первый проект

Проекты помогают организовать связанные модели и эксперименты. Перейдите в раздел «Проекты» и нажмите «Создать проект».

Введите имя и необязательное описание для вашего проекта. Проекты содержат:

• Модели: Обученные контрольные точки
• Журнал активности: История изменений

Подробнее о проектах.

Обучите свою первую модель

В вашем проекте нажмите Train Model начать обучение по работе с облаком.

Конфигурация обучения

1. Выбрать набор данных: Выберите из загруженных наборов данных (только наборы данных с train разделить показаны)
2. Выберите модель: выберите базовую модель — официальные Ultralytics или ваши собственные обученные модели.
3. Установить эпохи: количество итераций обучения (по умолчанию: 100)
4. Выберите GPU: выберите вычислительные ресурсы в зависимости от вашего бюджета и размера модели.

Мониторинг обучения

После начала обучения вы можете отслеживать прогресс в режиме реального времени с помощью трех вкладок:

Показатели передаются в режиме реального времени через SSE (Server-Sent Events). После завершения обучения генерируются графики валидации, включая матрицу путаницы, кривые PR и кривые F1.

Подробнее об облачном обучении.

Протестируйте свою модель

После завершения обучения протестируйте свою модель прямо в браузере:

1. Перейдите к модели Predict вкладка
2. Загрузите изображение, перетащите его или используйте примеры изображений (автоматическое распознавание при перетаскивании).
3. Просмотр результатов вывода с ограничительными рамками, отображаемыми на холсте

Настройте параметры инференса:

Параметр Predict Вкладка содержит готовые к использованию примеры кода с предварительно заполненным вашим фактическим ключом API:

import requests

url = "https://platform.ultralytics.com/api/models/{model_id}/predict"
headers = {"Authorization": "Bearer your_api_key"}

with open("image.jpg", "rb") as f:
    response = requests.post(url, headers=headers, files={"file": f})

print(response.json())

curl -X POST "https://platform.ultralytics.com/api/models/{model_id}/predict" \
  -H "Authorization: Bearer your_api_key" \
  -F "file=@image.jpg"

Подробнее об инференсе.

Развертывание в производственной среде

Разверните вашу модель на выделенной конечной точке для использования в производственной среде:

1. Перейдите к модели Deploy вкладка
2. Выберите регион на интерактивной карте мира (доступно 43 региона)
3. The map shows real-time latency measurements with traffic light colors (green < 100ms, yellow < 200ms, red > 200ms)
4. Нажмите Deploy создать конечную точку

graph LR
    A[Select Region] --> B[Deploy]
    B --> C[Provisioning ~1 min]
    C --> D[Running]
    D --> E{Lifecycle}
    E --> F[Stop]
    E --> G[Delete]
    F --> H[Resume]
    H --> D

Ваша конечная точка будет готова примерно через минуту, предоставляя:

• Уникальный URL: Конечная точка HTTPS для вызовов API
• Автоматическое масштабирование: Автоматически масштабируется в зависимости от трафика
• Мониторинг: Метрики запросов и журналы

После развертывания вы можете управлять всеми своими конечными точками из Deploy раздел в боковой панели, который отображает глобальную карту с активными развертываниями, обзорные метрики и список всех конечных точек.

Подробнее о конечных точках.

Дистанционное обучение (по желанию)

Если вы предпочитаете тренироваться на своем собственном оборудовании, вы можете передавать метрики на платформу с помощью своего API-ключа. Это работает как Weights & Biases тренируйтесь где угодно, контролируйте на платформе.

1. Сгенерируйте ключ API в Settings > Profile (Раздел «Ключи API»)
2. Установите переменную среды и обучите с помощью project/name формат:

export ULTRALYTICS_API_KEY="ul_your_api_key_here"

yolo train model=yolo26n.pt data=coco.yaml epochs=100 project=username/my-project name=exp1

Подробнее об API-ключах, URI наборов данных и удаленном обучении.

Обратная связь

Мы ценим ваш отзыв! Используйте кнопку обратной связи, чтобы помочь нам улучшить платформу.

Нужна помощь?

Если у вас возникнут какие-либо проблемы или вопросы:

• Документация: Просмотрите эти документы для подробных руководств
• Discord: Присоединяйтесь к нашему сообществу Discord для обсуждений
• GitHub: Сообщайте о проблемах на GitHub

📅 Создано 1 месяц назад ✏️ Обновлено 4 дней назад

Комментарии