Быстрый старт в Ultralytics Platform#

Ultralytics Platform предоставляет пошаговый процесс загрузки датасетов, обучения новых моделей YOLO на предварительно обученных весах, тестирования готовых моделей в браузере и настройки выделенных конечных точек инференса.

На следующей интерактивной схеме представлены четыре основных этапа рабочего процесса Ultralytics Platform. Нажми на любой этап или подэтап, чтобы открыть подробные инструкции для соответствующего 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 несколько удобных вариантов регистрации. Ты можешь зарегистрироваться и войти с помощью аккаунта Google или GitHub либо используя свой адрес электронной почты.

Выбор региона#

Во время первоначальной настройки тебе будет предложено выбрать регион данных. Platform автоматически измеряет задержку до каждого региона и рекомендует ближайший. Этот выбор определяет, где будут храниться твои датасеты, модели и данные управляемого обучения. Регионы выделенных конечных точек выбираются отдельно при развертывании модели.

Бесплатные кредиты#

Каждый новый аккаунт получает бесплатные кредиты для обучения в облаке на GPU:

Заполни профиль#

Процесс первоначальной настройки включает три шага:

1. Профиль — укажи отображаемое имя, уникальное имя пользователя (постоянное, его нельзя изменить позже), организацию (необязательно) и основной вариант использования
2. Регион данных — выбери US, EU или AP; на визуальной карте мира отображается задержка
3. Завершение — проверь выбранные параметры, при желании введи промокод и заверши регистрацию, чтобы получить приветственные кредиты

Главная панель#

После входа ты попадешь на главную страницу Ultralytics Platform, где доступны приветственная карточка со статистикой рабочего пространства, обзорное видео, быстрый доступ к датасетам, проектам и хранилищу, а также лента последних действий.

Навигация на боковой панели#

Боковая панель предоставляет доступ ко всем разделам Platform:

В каждом разделе контента отображаются пять последних элементов со ссылкой на остальные. При наведении на элемент появляется действие удаления, которое перемещает его в Корзину; саму Корзину можно открыть через поиск (Cmd+K) или открыв platform.ultralytics.com/trash.

Приветственная карточка#

В приветственной карточке отображаются твой профиль, значок тарифа (со ссылкой на сравнение тарифов) и краткая статистика рабочего пространства. Каждый показатель ведет к соответствующему представлению рабочего пространства:

Быстрые действия#

Под приветственной карточкой на панели отображаются три карточки:

• Датасеты: создай новый датасет или перетащи изображения, видео либо файлы датасета для загрузки. Отображаются твои последние датасеты.
• Проекты: создай новый проект или перетащи файлы моделей .pt для загрузки. Отображаются твои последние проекты.
• Хранилище: обзор использования хранилища (датасеты, модели, экспорты) с ограничениями тарифа.

В таблице Последние действия в нижней части отображаются 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. Мгновенно выполняй поиск по страницам, проектам, датасетам и развертываниям.

Помощник в AI-чате#

Нажми Ask AI, чтобы работать с ИИ-агентом, который автоматизирует задачи на Ultralytics Platform. Он напрямую взаимодействует с твоими датасетами и моделями, чтобы аннотировать изображения, запускать эксперименты по обучению, сравнивать результаты, а также экспортировать или развертывать модели. Примеры промптов и настройку собственного агента для кодинга см. в разделе AutoTrain with Ask AI.

Обучающие туры#

Platform включает пошаговые туры, знакомящие с ключевыми функциями при просмотре разных разделов:

Перезапуск туров#

Чтобы повторно пройти любой тур:

• Кнопка Redo Tour — нажми на аватар профиля (в левом нижнем углу боковой панели), чтобы открыть меню аккаунта, затем выбери Redo Tour. Это сбросит все туры, и они будут запущены заново при следующем посещении каждого раздела.
• Параметр URL — добавь ?tour= с идентификатором тура, чтобы напрямую перезапустить один тур: ?tour=nav на главной странице, ?tour=project на странице проекта или ?tour=dataset на странице датасета.

Загрузи свой первый датасет#

Открой Annotate в боковой панели и нажми +, чтобы создать новый датасет. Также можно перетащить файлы непосредственно на карточку Datasets на главной панели.

Диалоговое окно New Dataset предлагает четыре источника. В этом руководстве по быстрому старту используется Upload; остальные описаны в разделах Datasets и Integrations:

Загрузка поддерживает несколько форматов (полные сведения — в разделе Datasets):

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 данные:

1. Изображения размером более 4096px уменьшаются с сохранением соотношения сторон
2. Для быстрого просмотра создаются миниатюры размером 256px
3. Метки YOLO, COCO и Ultralytics NDJSON разбираются и проверяются
4. Рассчитывается 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 о датасетах и поддерживаемых форматах для detect, segment, pose, OBB и classify.

Создай свой первый проект#

Проекты помогают организовать связанные модели и эксперименты. Открой Train в боковой панели и нажми +, чтобы создать проект. Также можно перетащить веса .pt на карточку Projects на главной панели, чтобы создать проект и импортировать их за один шаг.

Введи имя и необязательное описание. Проекты упорядочивают запуски моделей, а также импортированные или клонированные веса моделей, снабжаясь графиками для сравнения результатов завершенного обучения.

Подробнее о проектах.

Обучи свою первую модель#

В проекте нажми New Model, чтобы открыть диалог Train New Model. Также можно начать со страницы датасета — в этом случае датасет будет зафиксирован, а тебе нужно будет выбрать целевой проект.

Конфигурация обучения#

1. Base Model: выбери официальные веса Ultralytics или одну из собственных обученных моделей. Если задача модели и задача датасета не совпадают, диалог выдаст предупреждение.
2. Dataset: выбери готовый датасет как минимум с одним обучающим изображением, одним изображением для валидации или тестирования и одним размеченным изображением
3. Parameters: задай Epochs (по умолчанию 100), Batch Size (пустое значение означает автоматический выбор), Image Size (по умолчанию 640) и необязательное Name запуска. Разверни Advanced Settings, чтобы изменить любой другой аргумент обучения Ultralytics в редакторе YAML.
4. Select GPU: на вкладке Cloud Training выбери вычислительные ресурсы с учётом бюджета и размера модели. По умолчанию используется RTX PRO 6000 (96 ГБ Blackwell, 2,09 $/ч), которая поддерживает любой вариант YOLO26. Полный список и ограничения по тарифам смотри в таблице цен на GPU или на шаге GPU для Cloud Training.
5. Start Training: проверь расчётную стоимость и длительность рядом с балансом кредитов, затем нажми Start Training.

Отслеживай обучение#

После начала обучения открой вкладку Train модели, чтобы отслеживать прогресс в реальном времени через три подвкладки:

Метрики передаются в реальном времени через SSE (Server-Sent Events). Как только появляются артефакты валидации, подвкладка Charts делится на представления Training и Validation, причем матрица ошибок, PR-кривые и F1-кривые находятся в разделе Validation.

Подробнее о обучении в облаке.

Протестируй свою модель#

После завершения обучения протестируй модель прямо в браузере:

1. Перейди на вкладку Predict своей модели
2. Загрузи изображение, перетащи его, сделай снимок с веб-камеры или нажми на пример изображения (при перетаскивании инференс запускается автоматически)
3. Просматривай подходящие для задачи наложения предсказаний, время выполнения каждого этапа (предобработка, инференс, постобработка, сеть) и необработанный ответ JSON

Настрой параметры инференса:

На вкладке API Docs вкладка Predict содержит примеры кода на Python, JavaScript и cURL, предварительно заполненные выбранными тобой параметрами. Сначала разверни модель, затем замени URL-заполнитель и ключ значениями из своей 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.

Разверни в рабочей среде#

Разверни модель на выделенной конечной точке для использования в рабочей среде:

1. Перейди на вкладку Deploy своей модели
2. Платформа измеряет задержку во всех 42 регионах и отображает её на карте мира с градиентом от зелёного к красному (меньшая задержка обозначается более зелёным цветом, большая — более красным)
3. В расположенной под картой таблице Region Latency, отсортированной по задержке относительно твоего местоположения, найди нужный регион. Используй Rescan, чтобы в любой момент повторить измерение.
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 конечная точка предоставляет:

• Уникальный URL: конечная точка HTTPS для вызовов API
• Масштабирование до нуля: простаивающие конечные точки масштабируются до нуля (в текущих развёртываниях работает один активный экземпляр)
• Мониторинг: метрики запросов и журналы

После развёртывания ты можешь управлять всеми конечными точками в разделе Deploy боковой панели. На панели развёртываний отображаются глобальная карта с активными развёртываниями, метрики за 24 часа (общее количество запросов, активные развёртывания, коэффициент ошибок и задержка P95), а также список всех конечных точек.

Подробнее о конечных точках.

Удалённое обучение (необязательно)#

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

Самый быстрый способ — открыть вкладку Локальное обучение в диалоговом окне обучения: она формирует полную команду для выбранных модели, датасета и параметров и подставляет API key (создавая его, если у тебя его ещё нет). Скопируй её и выполни в терминале.

Чтобы собрать команду самостоятельно:

1. Сгенерируй API key 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 см. о API keys, URI датасетов и удалённом обучении.

Обратная связь и помощь#

На странице Помощь в нижней части боковой панели собраны ссылки на документацию, видеоинструкции и ресурсы сообщества, а также доступна форма обратной связи в приложении. Ты можешь оценить свой опыт по шкале от 1 до 5 звёзд, выбрать тип обратной связи (Ошибка, Функция или Общее) и прикрепить снимок экрана.

Если тебе нужна дополнительная помощь:

• Чат с ИИ: нажми на плавающий виджет чата на любой странице, чтобы мгновенно получить помощь
• Документация: изучи эту документацию с подробными руководствами по датасетам, аннотированию, обучению, развёртыванию и оплате
• Discord: присоединяйся к нашему сообществу Discord для участия в обсуждениях
• GitHub: сообщай о проблемах на GitHub
• REST API и Python SDK: см. справочник по API, установи клиент ultralytics-platform или воспользуйся интерактивной документацией API для программного доступа ко всем функциям Platform

Часто задаваемые вопросы#