Модели

Ultralytics Platform предоставляет комплексное управление моделями для обучения, анализа и развертывания моделей YOLO. Загружайте предварительно обученные модели или обучайте новые непосредственно на платформе.

Загрузить модель

Загрузите существующие веса модели на платформу:

1. Перейдите к вашему проекту
2. Нажмите Загрузить модель
3. Выберите свою .pt файла
4. Добавьте имя и описание
5. Нажмите Загрузить

Поддерживаемые форматы моделей:

После загрузки Платформа анализирует метаданные модели:

• Тип задачи (detect, segment, pose, obb, classify)
• Архитектура (YOLO26n, YOLO26s и т. д.)
• Имена и количество классов
• Размер и параметры входных данных

Обучить модель

Обучите новую модель непосредственно на Платформе:

1. Перейдите к вашему проекту
2. Нажмите Обучить модель
3. Выберите набор данных
4. Выберите базовую модель
5. Настройте параметры обучения
6. Начать обучение

См. Обучение в облаке для получения подробных инструкций.

Обзор модели

На каждой странице модели отображается:

Метрики обучения

Просмотр метрик обучения в реальном времени и исторических данных:

Кривые потерь

Метрики производительности

Графики валидации

После завершения обучения просмотрите подробный анализ валидации:

Матрица ошибок (Confusion Matrix)

Интерактивная тепловая карта, показывающая точность предсказаний по классам:

Кривые PR/F1

Кривые производительности при различных порогах достоверности:

Экспорт модели

Экспортируйте вашу модель в 17 форматов развертывания:

1. Перейдите на вкладку Экспорт
2. Выберите целевой формат
3. Нажмите Экспорт
4. Скачать по завершении

Поддерживаемые форматы (всего 17)

Руководство по выбору формата

Для NVIDIA : используйте TensorRT для максимальной скорости

Для Intel : используйте OpenVINO для Intel , графических процессоров и виртуальных процессоров Intel .

Для устройств Apple: используйте CoreML для iOS, macOS, Apple Silicon

Для Android: используйте TF или NCNN для достижения наилучшей производительности.

Для веб-браузеров: используйте TF.js или ONNX (с ONNX Web)

Для периферийных устройств: используйте TF TPU для Coral, RKNN для Rockchip.

Для общей совместимости: используйте ONNX — работает с большинством сред выполнения инференса

Связывание наборов данных

Модели могут быть связаны с исходным набором данных:

• Просмотр набора данных, использованного для обучения
• Доступ к набору данных со страницы модели
• track происхождения данных

При обучении с использованием наборов данных Платформы в формате ul:// URI, связывание происходит автоматически.

Настройки видимости

Управление видимостью вашей модели:

Чтобы изменить видимость:

1. Открытие меню действий модели
2. Нажмите Изменить
3. Переключение видимости
4. Нажмите Сохранить

Удалить модель

Удаление ненужной модели:

1. Открытие меню действий модели
2. Нажмите Удалить
3. Подтвердите удаление

Часто задаваемые вопросы

Какие архитектуры моделей поддерживаются?

Ultralytics Platform поддерживает все архитектуры YOLO:

• YOLO26: варианты n, s, m, l, x (рекомендуется)
• YOLO11: варианты n, s, m, l, x
• YOLOv10: Поддержка устаревших версий
• YOLOv8: Поддержка устаревших версий
• YOLOv5: Поддержка устаревших версий

Могу ли я скачать свою обученную модель?

Да, вы можете скачать веса вашей модели со страницы модели:

1. Нажмите на значок загрузки
2. Выберите формат (исходный .pt или экспортированный)
3. Загрузка начинается автоматически

Как сравнить модели между проектами?

В настоящее время сравнение моделей осуществляется в рамках проектов. Для сравнения между проектами:

1. Перенесите модели в один проект, или
2. Экспортируйте метрики и сравните их извне

Каков максимальный размер модели?

Строгих ограничений нет, но очень большие модели (>2 ГБ) могут требовать больше времени для загрузки и обработки.

Могу ли я дообучать предварительно обученные модели?

Да! Загрузите предварительно обученную модель, затем начните обучение с этой контрольной точки, используя свой набор данных. Платформа автоматически использует загруженную модель в качестве отправной точки.

📅 Создано 20 дней назад ✏️ Обновлено 14 дней назад

Комментарии