Модели

Ultralytics Platform предоставляет комплексное управление моделями для обучения, анализа и развертывания моделей YOLO. Загружай предобученные модели или обучай новые прямо на платформе.

Загрузить модель

Загрузи существующие веса модели на платформу:

1. Перейди к своему проекту
2. Перетащи файлы .pt на страницу проекта или в боковую панель моделей
3. Метаданные модели считываются из файла автоматически

Можно загружать несколько файлов одновременно (до 3 параллельно).

Поддерживаемые форматы моделей:

После загрузки платформа анализирует метаданные модели:

• Тип задачи (detect, segment, pose, OBB, classify)
• Архитектура (YOLO26n, YOLO26s и т.д.)
• Названия и количество классов
• Размер входного изображения и параметры
• Результаты обучения и метрики (если они есть в контрольной точке)

Обучить модель

Обучи новую модель прямо на платформе:

1. Перейди к своему проекту
2. Нажми New Model
3. Выбери базовую модель и набор данных
4. Настрой параметры обучения
5. Выбери облачное или локальное обучение
6. Запусти обучение

Подробные инструкции см. в разделе Cloud Training.

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:

• Имя модели (можно редактировать), статус, тип задачи
• Итоговые метрики (mAP50, mAP50-95, точность, полнота)
• Мини-графики метрик, показывающие ход обучения
• Аргументы обучения (эпохи, размер батча, размер изображения и т.д.)
• Ссылка на набор данных (при обучении с использованием датасета платформы)
• Кнопка загрузки весов модели

Вкладка Обучение

Вкладка Обучение содержит три подвкладки:

Подвкладка Графики

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

Подвкладка Консоль

Живой вывод консоли процесса обучения:

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

Подвкладка Система

Метрики GPU и системы во время обучения:

Вкладка Предсказание

Запускай интерактивный инференс прямо в браузере:

• Загружай изображение, используй примеры или веб-камеру
• Отображение результатов с ограничивающими рамками (BBox), масками или ключевыми точками
• Автоматический инференс при загрузке изображения
• Поддерживаются все типы задач (detect, segment, pose, OBB, classify)

Вкладка Экспорт

Экспортируй свою модель в более чем 17 форматов для развертывания. Подробности см. в разделе Export Model ниже и в основном руководстве по режиму Export.

Вкладка Развертывание

Создавай и управляй выделенными эндпоинтами для инференса. Подробности см. в Deployments.

Графики валидации

После завершения обучения просмотри подробный анализ валидации:

Матрица ошибок (Confusion Matrix)

Интерактивная тепловая карта, показывающая точность предсказаний для каждого класса:

Кривые PR/F1

Кривые производительности при разных порогах уверенности:

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

Экспортируй свою модель в 17+ форматов развертывания:

1. Перейди на вкладку Export (Экспорт)
2. Выбери целевой формат
3. Настрой аргументы экспорта (размер изображения, половинная точность, динамичность и т. д.)
4. Для форматов, требующих GPU (TensorRT), выбери тип GPU
5. Нажми Export (Экспорт)
6. Скачай после завершения

Поддерживаемые форматы

Платформа поддерживает экспорт в 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 выбери целевое устройство Rockchip:

Жизненный цикл задания на экспорт

Задания на экспорт проходят через следующие статусы:

Массовые действия с экспортом

• Export All (Экспортировать все): нажми Export All, чтобы запустить задания на экспорт для всех форматов, работающих на CPU, с настройками по умолчанию.
• Delete All Exports (Удалить все экспорты): нажми Delete All, чтобы удалить все экспорты для модели.

Ограничения форматов

Некоторые форматы экспорта имеют архитектурные или функциональные ограничения:

Клонировать модель

Клонируй модель в другой проект:

1. Открой страницу модели
2. Нажми кнопку Clone (Клонировать)
3. Выбери целевой проект
4. Нажми Clone

Модель и её веса будут скопированы в целевой проект.

Скачивание модели

Скачай веса своей модели:

1. Перейди на вкладку Overview (Обзор) модели
2. Нажми кнопку Download (Скачать)
3. Исходный файл .pt скачается автоматически

Экспортированные форматы можно скачать на вкладке Export (Экспорт) после завершения процесса.

Связывание датасетов

Модели можно связать с исходным датасетом:

• Посмотри, какой датасет использовался для обучения
• Нажми на карточку датасета на вкладке Overview, чтобы перейти к нему
• Отслеживай происхождение данных

При обучении на датасетах платформы с использованием формата URI ul:// связь устанавливается автоматически.

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

Настройки видимости

Контролируй, кто может видеть твою модель:

Чтобы изменить видимость, нажми на значок видимости (например, private или public) на странице модели. Переход в частный режим вступает в силу немедленно. При переходе в публичный режим перед применением появится диалоговое окно подтверждения.

Удаление модели

Удали модель, которая тебе больше не нужна:

1. Открой меню действий модели
2. Нажми Delete (Удалить)
3. Подтверди удаление

Смотри также

• Inference: Тестируй модели в браузере на вкладке Predict
• Endpoints: Развертывай модели в продакшене с помощью выделенных эндпоинтов
• Cloud Training: Настраивай и запускай задачи обучения на облачных GPU
• Export Formats: Полное руководство по всем 17+ форматам экспорта

FAQ

Какие архитектуры моделей поддерживаются?

Платформа Ultralytics полностью поддерживает все архитектуры YOLO с выделенными проектами:

• YOLO26: варианты n, s, m, l, x (новейшие, рекомендуемые) — 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, скачай веса своей модели на странице модели:

1. Нажми на значок скачивания на вкладке Overview
2. Исходный файл .pt скачается автоматически
3. Экспортированные форматы можно скачать на вкладке Export

Как сравнивать модели между проектами?

В данный момент сравнение моделей возможно только внутри проектов. Чтобы сравнить модели из разных проектов:

1. Клонируй модели в один проект или
2. Экспортируй метрики и сравнивай их внешними средствами

Какой максимальный размер модели?

Строгих ограничений нет, но для очень больших моделей (>2 ГБ) время загрузки и обработки может быть больше.

Можно ли дообучать предобученные модели?

Да! Ты можешь использовать любую из официальных моделей YOLO26 в качестве базы или выбрать одну из собственных завершенных моделей в селекторе моделей в диалоговом окне обучения. Платформа поддерживает дообучение из любого загруженного чекпоинта.