Краткое руководство по Ultralytics Platform#

Ultralytics Platform предоставляет удобный рабочий процесс для загрузки датасетов, обучения новых моделей YOLO на основе предварительно обученных весов, тестирования готовых моделей в браузере и настройки выделенных эндпоинтов для 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 различные простые варианты регистрации. Ты можешь зарегистрироваться и войти в систему с помощью учетной записи Google или GitHub, а также 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 попадешь на главную страницу Ultralytics Platform, где находится приветственная карточка со статистикой рабочей области, обзорное видео, быстрый доступ к датасетам, проектам и хранилищу, а также лента недавней активности.

Боковая навигация#

Боковая панель обеспечивает доступ ко всем разделам Платформы:

В каждом разделе контента отображаются пять твоих самых последних элементов со ссылкой на остальные. При наведении на элемент появляется действие удаления , которое перемещает его в Корзину; сама Корзина доступна из поиска (Cmd+K) или путем открытия platform.ultralytics.com/trash.

Приветственная карточка#

В приветственной карточке сразу отображаются твой профиль, значок тарифного плана (который ведет на сравнение планов) и статистика рабочей области. Каждый показатель ведет на соответствующее представление рабочей области:

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.
• Projects: создай новый проект или перетащи файлы модели .pt для загрузки. Отображаются твои недавние проекты.
• Хранилище: Обзор использования твоего хранилища (наборы данных, модели, экспорты) с лимитами плана.

Таблица Недавняя активность внизу показывает твои последние датасеты, проекты и развертывания с их статусом и временем последнего обновления.

Глобальный поиск#

Нажми Cmd+K (Mac) или Ctrl+K (Windows/Linux), чтобы открыть строку поиска. Мгновенный поиск по страницам, проектам, датасетам 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 — Нажми на аватар своего профиля (в левом нижнем углу боковой панели), чтобы открыть меню аккаунта, затем выбери Повторить тур. Это сбросит все туры, чтобы они воспроизводились при следующем посещении каждого раздела.
• Параметр URL — Добавь ?tour= с идентификатором тура, чтобы перезапустить его напрямую: ?tour=nav на главной странице, ?tour=project на странице проекта или ?tour=dataset на странице датасета.

Загрузи свой первый набор данных#

Открой Annotate на боковой панели и нажми +, чтобы создать новый датасет. Ты также можешь перетащить файлы прямо на карточку датасетов на главной панели управления.

Диалог Новый датасет предлагает четыре источника. В этом руководстве используется Загрузка; остальные описаны в разделах Датасеты и Интеграции:

Загрузки поддерживают множество форматов (подробности в разделе Датасеты):

graph LR
    A[Drop Files]:::start --> B[Auto-Package ZIP]:::proc
    B --> C[Upload to Storage]:::proc
    C --> D[Process Data]:::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/

Подробнее читай о датасетах и поддерживаемых форматах для detect, segment, pose, OBB и classify.

Создай свой первый проект#

Проекты помогают упорядочить связанные модели и эксперименты. Открой Train на боковой панели и нажми +, чтобы создать проект. Ты также можешь перетащить веса .pt на карточку проектов на главной панели управления, чтобы создать проект и импортировать их в один шаг.

Введи название и необязательное описание. Проекты организуют запуски моделей, а также импортированные или клонированные веса моделей, с графиками для сравнения завершенных результатов обучения.

Подробнее о проектах.

Обучи свою первую модель#

В своем проекте нажми New Model, чтобы открыть диалог Обучить новую модель. Ты также можешь начать со страницы датасета, в этом случае датасет будет зафиксирован, а ты выберешь целевой проект.

Конфигурация обучения#

1. Базовая модель: выбери официальные веса Ultralytics или одну из своих обученных моделей. Диалог выдаст предупреждение, если задача модели и задача датасета не совпадают.
2. Датасет: выбери готовый датасет, содержащий как минимум одно обучающее изображение, как минимум одно изображение для валидации или теста и как минимум одно размеченное изображение
3. Параметры: задай Эпохи (по умолчанию 100), Размер батча (пусто означает авто), Размер изображения (по умолчанию 640) и необязательное Имя запуска. Разверни Расширенные настройки, чтобы отредактировать любой другой аргумент обучения Ultralytics в редакторе YAML.
4. Выбрать GPU: на вкладке Облачное обучение выбери вычислительные ресурсы в зависимости от твоего бюджета и размера модели. По умолчанию используется RTX PRO 6000 (96 ГБ Blackwell, $2.09/ч), которая справляется с любым вариантом YOLO26. Полный список и ограничения по уровням см. в полной таблице цен на GPU или в шаге облачного обучения GPU.
5. Начать обучение: просмотри предполагаемую стоимость и длительность рядом с балансом твоих кредитов, затем нажми Start Training.

Мониторинг обучения#

После начала обучения открой вкладку модели Train, чтобы отслеживать прогресс в реальном времени с помощью трех вкладок:

Метрики передаются в реальном времени через SSE (Server-Sent Events). Как только появляются артефакты валидации, вкладка графиков разделяется на Обучение и Валидация, причем матрица ошибок, PR-кривые и F1-кривые находятся в разделе Валидация.

Подробнее об облачном обучении.

Протестируй свою модель#

После завершения обучения протестируй свою модель прямо в браузере:

1. Перейди на вкладку Predict твоей модели
2. Загрузить изображение, перетащить его, сделать снимок с веб-камеры или нажать на пример изображения (автоматический вывод при перетаскивании)
3. Просмотреть подходящие для задачи наложения предсказаний, временные интервалы для каждого этапа (предобработка, вывод, постобработка, сеть) и сырой ответ JSON

Настрой параметры инференса:

В разделе Документация API на вкладке Predict показан пример кода на Python, JavaScript и cURL, предварительно заполненный выбранными тобой выше параметрами. Сначала разверни модель, а затем замени URL-адрес-заглушку и ключ значениями из твоей конечной точки:

import requests

url = "https://your-deployment-url.run.app/predict"
api_key = "YOUR_API_KEY"
args = {"conf": 0.25, "iou": 0.7, "imgsz": 640}

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

print(response.json())

Подробнее об инференсе.

Развертывание в продакшн#

Разверни свою модель на выделенном эндпоинте для использования в продакшене:

1. Перейди на вкладку Deploy твоей модели
2. Платформа измеряет задержку до всех 42 регионов и отображает их на карте мира, раскрашивая по градиенту от зеленого к красному (меньшая задержка — зеленее, большая задержка — краснее)
3. В таблице Задержка по регионам под картой, отсортированной по задержке из твоего местоположения, найди нужный регион. Используй Rescan для повторного измерения в любое время.
4. Нажми Deploy в этой строке, чтобы создать конечную точку

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 конечными точками из раздела Deploy на боковой панели. На панели управления развертываниями отображается глобальная карта с твоими активными развертываниями, метрики за 24 часа (всего запросов, активные развертывания, частота ошибок и задержка P95), а также список каждой конечной точки.

Подробнее об эндпоинтах.

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.

Самый быстрый путь — вкладка Локальное обучение в диалоге обучения: она формирует полную команду для выбранных тобой модели, датасета и параметров, а также заполняет ключ API (создавая его, если у тебя его еще нет). Скопируй ее и запусти в своем терминале.

Чтобы собрать команду самостоятельно:

1. Сгенерируй ключ API в Settings > API Keys
2. Установи переменную окружения и запусти обучение со значением username/project для project:

export ULTRALYTICS_API_KEY="YOUR_API_KEY"

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

Подробнее о ключах API, URI датасетов и удаленном обучении.

Обратная связь и помощь#

Страница Помощь в нижнем колонтитуле боковой панели собирает ссылки на документацию, видеоинструкции и ресурсы сообщества, а также включает форму обратной связи в приложении. Ты можешь оценить свой опыт от 1 до 5 звезд, выбрать тип отзыва (Ошибка, Функция или Общие) и прикрепить скриншот.

Если тебе нужна дополнительная помощь:

• AI Chat: нажми на плавающий виджет чата на любой странице, чтобы получить мгновенную помощь
• Documentation: ознакомься с подробными руководствами по датасетам, аннотации, обучению, развертыванию и оплате
• Discord: присоединяйся к нашему сообществу в Discord для обсуждений
• GitHub: сообщай о проблемах на GitHub
• REST API и Python SDK: Смотри справочник по API, установи клиент ultralytics-platform или попробуй интерактивную документацию API для программного доступа ко всем функциям Platform