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, на которой отображается приветственная карточка со статистикой рабочего пространства, быстрым доступом к датасетам, проектам и хранилищу, а также лента последних действий.

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.
• 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 наборы данных, модели и запуски обучения.

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 — 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.
• URL parameter — перейди по адресу platform.ultralytics.com/home?tour=nav, чтобы запустить тур по навигации заново.

Загрузи свой первый набор данных#

Перейди к Annotate на боковой панели и нажми New Dataset, чтобы добавить обучающие данные. Ты также можешь перетаскивать файлы прямо на карточку Datasets на панели управления.

Ultralytics Platform поддерживает множество 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/

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. Перейди в раздел Projects и нажми New Project.

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 запустить обучение в облаке.

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. Select GPU: выбери вычислительные ресурсы в зависимости от своего 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 на GPU.

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, кривые PR и кривые F1.

Подробнее об облачном обучении.

Протестируй свою модель#

После завершения обучения протестируй свою модель прямо в браузере:

1. Перейди на вкладку Predict твоей 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:

На вкладке Predict также отображается пример кода для развертывания. Сначала разверни модель, а затем замени URL-адрес-заполнитель и ключ значениями со 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())

Подробнее об инференсе.

Развертывание в продакшн#

Разверни свою модель на выделенном эндпоинте для использования в продакшене:

1. Перейди на вкладку Deploy твоей 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 сможешь управлять всеми своими эндпоинтами из раздела Deploy на боковой панели, где отображается глобальная карта с активными развертываниями, общие метрики и список всех эндпоинтов.

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.

1. Сгенерируй ключ API 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

Подробнее о ключах API, URI датасетов и удаленном обучении.

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: 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: см. справочник по API или воспользуйся интерактивной документацией по API для программного доступа ко всем функциям Platform