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

Загрузить существующие веса модели на платформу:

1. Перейдите к вашему проекту
2. Перетащите .pt файлы на страницу проекта или боковую панель моделей
3. Метаданные модели автоматически извлекаются из файла

Несколько файлов могут быть загружены одновременно (до 3 параллельных).

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
• Результаты и метрики обучения (если присутствуют в контрольной точке)

Обучить модель

Обучить новую модель непосредственно на платформе:

1. Перейдите к вашему проекту
2. Нажмите Новая модель
3. Выберите базовую модель и набор данных
4. Настройте параметры обучения
5. Выберите облачное или локальное обучение.
6. Начать обучение

См. Обучение в облаке для получения подробных инструкций.

Жизненный цикл модели

graph LR
    A[Upload .pt] --> B[Overview]
    C[Train] --> B
    B --> D[Predict]
    B --> E[Export]
    B --> F[Deploy]
    E --> G[17+ Formats]
    F --> H[Endpoint]

    style A fill:#4CAF50,color:#fff
    style C fill:#FF9800,color:#fff
    style E fill:#2196F3,color:#fff
    style F fill:#9C27B0,color:#fff

Вкладки страницы модели

Каждая страница модели содержит следующие вкладки:

Вкладка "Обзор"

Отображает метаданные модели и ключевые метрики:

• Название модели (редактируемое), значок статуса, тип задачи
• Итоговые метрики (mAP50, mAP50-95, точность, полнота)
• Графики метрик-спарклайнов, показывающие ход обучения
• Аргументы обучения (эпохи, размер батча, размер изображения и т.д.)
• Ссылка на набор данных (при обучении с использованием набора данных Платформы)
• Кнопка загрузки весов модели

Вкладка «Обучение»

Вкладка «Обучение» имеет три подвкладки:

Подвкладка диаграмм

Интерактивные графики метрик обучения, показывающие кривые потерь и метрики производительности по эпохам:

Подвкладка консоли

Вывод консоли в реальном времени из процесса обучения:

• Потоковая передача логов в реальном времени во время обучения
• Индикаторы прогресса эпохи и результаты валидации
• Обнаружение ошибок с выделенными баннерами
• Поддержка ANSI-цветов для форматированного вывода

Подвкладка "Система"

Метрики GPU и системы во время обучения:

Вкладка «Предсказать»

Запустить интерактивный инференс непосредственно в браузере:

• Загрузите изображение, вставьте URL или используйте веб-камеру
• Отображение результатов с ограничивающими рамками, масками или ключевыми точками
• Автоматический вывод при предоставлении изображения
• Поддерживает все типы задач (detect, segment, pose, OBB, classify)

Вкладка экспорта

Экспортируйте вашу модель в более чем 17 форматов развертывания. Подробности см. в разделе Экспорт модели ниже и в основном руководстве по режиму экспорта.

Вкладка "Развертывание"

Создавайте и управляйте выделенными конечными точками вывода. Подробности см. в разделе Развертывания.

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

graph LR
    A[Select Format] --> B[Configure Args]
    B --> C[Export]
    C --> D{GPU Required?}
    D -->|Yes| E[Cloud GPU Export]
    D -->|No| F[CPU Export]
    E --> G[Download]
    F --> G

    style A fill:#2196F3,color:#fff
    style C fill:#FF9800,color:#fff
    style G fill:#4CAF50,color:#fff

Экспортируйте вашу модель в более чем 17 форматов развертывания:

1. Перейдите на вкладку Экспорт
2. Выберите целевой формат
3. Настроить параметры экспорта (размер изображения, половинная точность, динамический режим и т.д.)
4. Для форматов, требующих GPU (TensorRT), выберите тип GPU
5. Нажмите Экспорт
6. Скачать по завершении

Поддерживаемые форматы

Платформа поддерживает экспорт в более 17 форматов развертывания: ONNX, TorchScript, OpenVINO, TensorRT, CoreML, TF SavedModel, TF GraphDef, TF Lite, TF Edge TPU, TF.js, PaddlePaddle, NCNN, MNN, RKNN, IMX500, Axelera и ExecuTorch.

Руководство по выбору формата

Поддержка чипов RKNN

При экспорте в формат RKNN выберите целевое устройство Rockchip:

Жизненный цикл задачи экспорта

Задачи экспорта проходят следующие статусы:

Действия массового экспорта

• Экспортировать все: Нажмите Export All чтобы запустить задачи экспорта для всех форматов на базе CPU с настройками по умолчанию.
• Удалить все экспорты: Нажмите Delete All чтобы удалить все экспорты для модели.

Ограничения формата

Некоторые форматы экспорта имеют ограничения по архитектуре или задаче:

Клонировать модель

Клонировать модель в другой проект:

1. Откройте страницу модели
2. Нажмите кнопку Клонировать
3. Выберите целевой проект
4. Нажмите Клонировать

Модель и ее веса копируются в целевой проект.

Скачать модель

Скачать веса вашей модели:

1. Перейдите на вкладку Обзор модели
2. Нажмите кнопку Загрузить
3. Оригинальный .pt файл загружается автоматически

Экспортированные форматы можно загрузить со вкладки Экспорт после завершения экспорта.

Связывание наборов данных

Модели могут быть связаны с исходным набором данных:

• Просмотр набора данных, использованного для обучения
• Нажмите на карточку набора данных на вкладке «Обзор», чтобы перейти к нему.
• track происхождения данных

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

# Train with a Platform dataset — linking is automatic
yolo train model=yolo26n.pt data=ul://username/datasets/my-dataset epochs=100

Настройки видимости

Управление видимостью вашей модели:

Чтобы изменить видимость, нажмите на значок видимости (например, private или public) на странице модели. Переключение на приватный режим вступает в силу немедленно. Переключение на публичный режим отображает диалоговое окно подтверждения перед применением.

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 полностью поддерживает все архитектуры YOLO с выделенными проектами:

• YOLO26: варианты n, s, m, l, x (новейшие, рекомендуется) — platform.ultralytics.com/ultralytics/yolo26
• YOLO11: варианты n, s, m, l, x — platform.ultralytics.com/ultralytics/yolo11
• YOLOv8: варианты n, s, m, l, x — platform.ultralytics.com/ultralytics/yolov8
• YOLOv5: варианты n, s, m, l, x — platform.ultralytics.com/ultralytics/yolov5

Все архитектуры поддерживают 5 типов задач: detect, segment, pose, obb и classify.

Могу ли я скачать свою обученную модель?

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

1. Нажмите значок загрузки на вкладке Обзор
2. Оригинальный .pt файл загружается автоматически
3. Экспортированные форматы можно загрузить со вкладки Экспорт

Как сравнить модели между проектами?

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

1. Клонировать 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! Вы можете использовать любую из официальных моделей YOLO26 в качестве основы или выбрать одну из своих завершенных моделей из селектора моделей в диалоговом окне обучения. Платформа поддерживает дообучение с любого загруженного контрольного пункта.

📅 Создано 2 месяцев назад ✏️ Обновлено 24 дней назад

Комментарии