Краткое руководство по Ultralytics Platform#

Ultralytics Platform предоставляет пошаговый рабочий процесс для загрузки датасетов, обучения новых моделей YOLO на предобученных весах, тестирования готовых моделей в браузере и настройки выделенных эндпоинтов инференса.

Следующая интерактивная диаграмма описывает четыре основных этапа рабочего процесса Ultralytics Platform. Нажми на любой этап или подшаг, чтобы получить подробные инструкции для этого раздела.

graph LR
    A(Sign Up):::start --> B(Prepare Data):::proc --> C(Train):::proc --> D(Deploy):::out
    A -.- A1["<a href='#get-started'>Create account</a><br/><a href='#region-selection'>Select region</a>"]:::proc
    B -.- B1["<a href='#upload-your-first-dataset'>Upload dataset</a><br/><a href='#create-your-first-project'>Create Project</a>"]:::proc
    C -.- C1["<a href='#training-configuration'>Configure training</a><br/><a href='#monitor-training'>Monitor progress</a>"]:::proc
    D -.- D1["<a href='#test-your-model'>Test model</a><br/><a href='#deploy-to-production'>Deploy endpoint</a>"]:::proc

    click A "#get-started"
    click B "#upload-your-first-dataset"
    click C "#train-your-first-model"
    click D "#deploy-to-production"

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef out fill:#9C27B0,color:#fff

Начало работы#

Ultralytics Platform предлагает множество простых вариантов регистрации. Ты можешь зарегистрироваться и войти в систему, используя свои учетные записи Google или GitHub, либо с помощью адреса электронной почты.

Выбор региона#

Во время онбординга тебя попросят выбрать регион данных. Платформа автоматически измеряет задержку до каждого региона и рекомендует ближайший. Этот выбор определяет, где будут храниться твои датасеты, модели и управляемые данные обучения. Регионы выделенных эндпоинтов выбираются отдельно при деплое модели.

Бесплатные кредиты#

Каждая новая учетная запись получает бесплатные кредиты на обучение на облачном GPU:

Заполни свой профиль#

Процесс ознакомления проведет тебя через три шага:

1. Профиль — Введи свое отображаемое имя, уникальное имя пользователя (постоянное, его нельзя изменить позже), организацию (необязательно) и основной вариант использования
2. Регион данных — Выбери US, EU или AP с помощью визуальной карты мира, показывающей задержку
3. Завершение — Проверь свой выбор, при желании примени промокод и заверши регистрацию, чтобы получить свои приветственные кредиты

Главная панель управления#

После входа в систему ты будешь перенаправлен на домашнюю страницу Ultralytics Platform, где находится приветственная карточка со статистикой рабочей области, быстрым доступом к наборам данных, проектам и хранилищу, а также лента недавней активности.

Боковая навигация#

Боковая панель обеспечивает доступ ко всем разделам Платформы:

Приветственная карточка#

Приветственная карточка показывает твой профиль, значок плана и статистику рабочей области с первого взгляда:

Быстрые действия#

Под приветственной карточкой на панели управления отображаются три карточки:

• Наборы данных: Создай новый набор данных или перетащи изображения, видео или файлы наборов данных для загрузки. Показывает твои недавние наборы данных.
• Проекты: Создай новый проект или перетащи файлы моделей .pt для загрузки. Показывает твои недавние проекты.
• Хранилище: Обзор использования твоего хранилища (наборы данных, модели, экспорты) с лимитами плана.

Таблица Недавняя активность внизу показывает твои последние наборы данных, модели и запуски обучения.

Глобальный поиск#

Нажми Cmd+K (Mac) или Ctrl+K (Windows/Linux), чтобы открыть панель поиска. Мгновенно ищи по страницам, проектам, наборам данных и развертываниям.

AI-чат-ассистент#

Плавающий виджет чата доступен на каждой странице. Нажми на него, чтобы задать вопросы об обучении YOLO, аннотировании, развертывании или любой функции Платформы. Ассистент предоставляет контекстную справку на основе текущей страницы.

Ознакомительные туры#

Платформа включает в себя пошаговые туры, которые знакомят с ключевыми функциями по мере того, как ты исследуешь различные разделы:

Перезапуск туров#

Чтобы повторно запустить любой тур:

• Кнопка повтора тура — кликни на свой аватар профиля (внизу слева на боковой панели), чтобы открыть меню пользователя, затем выбери Повторить тур. Это сбросит все туры, и они будут запущены при следующем посещении каждого раздела.
• Параметр URL — перейди по адресу platform.ultralytics.com/home?tour=nav, чтобы перезапустить тур по навигации напрямую.

Загрузи свой первый набор данных#

Перейди в Annotate на боковой панели и нажми New Dataset, чтобы добавить свои обучающие данные. Ты также можешь перетащить файлы прямо на карточку наборов данных на главной панели управления.

Ultralytics Platform поддерживает несколько форматов загрузки (подробности в разделе Datasets):

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

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef out fill:#9C27B0,color:#fff

После загрузки платформа автоматически обрабатывает твои данные:

1. Изображения размером более 4096 пикселей масштабируются (с сохранением соотношения сторон)
2. Создаются миниатюры 256 пикселей для быстрого просмотра
3. Разметки YOLO, COCO и Ultralytics NDJSON парсятся и проверяются
4. Вычисляется статистика (распределение классов, тепловые карты, размеры)

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

Читай подробнее о datasets и поддерживаемых форматах для detect, segment, pose, OBB и classify.

Создай свой первый проект#

Проекты помогают упорядочить связанные модели и эксперименты. Перейди в Projects и нажми New Project.

Введи название и необязательное описание. Проекты организуют запуски моделей и импортированные или склонированные веса моделей, а также содержат графики для сравнения результатов завершенного обучения.

Читай подробнее о projects.

Обучи свою первую модель#

В своем проекте нажми New Model, чтобы запустить облачное обучение.

Конфигурация обучения#

1. Select Dataset: Выбери готовый датасет, содержащий как минимум одно обучающее изображение, как минимум одно валидационное или тестовое изображение, а также хотя бы одно размеченное изображение
2. Выбор модели: Выбери базовую модель — официальные модели Ultralytics или свои собственные обученные модели
3. Настройка эпох: Количество итераций обучения (по умолчанию: 100)
4. Выберите GPU: Выбери вычислительные ресурсы в зависимости от твоего бюджета и размера модели. По умолчанию используется RTX PRO 6000 (96 ГБ Blackwell, $2.09/час), которая поддерживает все варианты YOLO26. Ознакомься с полной таблицей цен на GPU или разделом облачного обучения, чтобы увидеть полный список и ограничения уровней доступа.

Мониторинг обучения#

Как только обучение начнется, ты сможешь следить за прогрессом в реальном времени через три подвкладки:

Метрики передаются в реальном времени через SSE (Server-Sent Events). После завершения обучения генерируются графики валидации, включая матрицу ошибок (confusion matrix), PR-кривые и F1-кривые.

Читай подробнее о cloud training.

Протестируй свою модель#

После завершения обучения протестируй свою модель прямо в браузере:

1. Перейди на вкладку Predict своей модели
2. Загрузи изображение, перетащи его или используй примеры изображений (автоматический инференс при перетаскивании)
3. Просматривай оверлеи предсказаний, соответствующие задаче, и необработанный ответ JSON

Настрой параметры инференса:

Вкладка Predict также содержит пример кода для деплоя. Сначала разверни модель, а затем замени URL-адрес-заглушку и ключ значениями из своего эндпоинта:

import requests

url = "https://your-deployment-url.run.app/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())

Читай подробнее об inference.

Развертывание в продакшн#

Разверни свою модель на выделенном эндпоинте для использования в продакшене:

1. Перейди на вкладку Deploy своей модели
2. Выбери регион на интерактивной карте мира (доступно 42 региона)
3. Карта показывает измерения задержки в реальном времени с помощью градиента цветов от зеленого к красному (чем ниже задержка, тем зеленее, чем выше — тем краснее)
4. Нажми Deploy, чтобы создать эндпоинт

graph LR
    A[Select Region]:::start --> B[Deploy]:::proc
    B --> C[Provisioning]:::proc
    C --> D[Running]:::out
    D --> E{Lifecycle}:::decide
    E --> F[Stop]:::error
    E --> G[Delete]:::error
    F --> H[Resume]:::proc
    H --> D

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef decide fill:#FF9800,color:#fff
    classDef out fill:#9C27B0,color:#fff
    classDef error fill:#F44336,color:#fff

После завершения подготовки твой эндпоинт предоставляет:

• Уникальный URL: HTTPS-эндпоинт для API-вызовов
• Поведение масштабирования до нуля: простаивающие эндпоинты масштабируются до нуля (в настоящее время развертывания выполняют один активный экземпляр)
• Мониторинг: Метрики запросов и логи

После развертывания ты можешь управлять всеми своими эндпоинтами из раздела Deploy на боковой панели, где отображается глобальная карта с активными развертываниями, общие метрики и список всех эндпоинтов.

Читай подробнее об endpoints.

Удаленное обучение (опционально)#

Если ты предпочитаешь обучать модели на собственном оборудовании, ты можешь использовать свой API-ключ для обучения где угодно и передавать метрики на Ultralytics Platform.

1. Сгенерируй API-ключ в Settings > API Keys
2. Установи переменную окружения и запусти обучение в формате project/name:

export ULTRALYTICS_API_KEY="YOUR_API_KEY"

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

Читай подробнее про API keys, dataset URIs и remote training.

Обратная связь и помощь#

Страница Help в футере боковой панели содержит форму обратной связи внутри приложения. Ты можешь оценить свой опыт работы, выбрать тип отзыва (ошибка, запрос функции или общее) и прикрепить скриншоты.

Если тебе нужна дополнительная помощь:

• AI Chat: нажми на плавающий виджет чата на любой странице, чтобы получить мгновенную помощь
• Documentation: просматривай эту документацию для получения подробных руководств по datasets, annotation, training, deployment и billing
• Discord: присоединяйся к нашему Discord community для обсуждений
• GitHub: сообщай об ошибках на GitHub
• REST API: ознакомься с API reference или попробуй interactive API docs для программного доступа ко всем функциям Platform