Модели

Ultralytics обеспечивает комплексное управление моделями для обучения, анализа и развертывания 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. Перетаскивание .pt файлы на страницу проекта или боковую панель моделей
3. Метаданные модели автоматически анализируются из файла

Можно загружать несколько файлов одновременно (до 3 одновременно).

Поддерживаемые форматы моделей:

После загрузки платформа анализирует метаданные модели:

• Тип задачи (detect, segment, поза, OBB, classify)
• Архитектура (YOLO26n, YOLO26s и т. д.)
• Имена и количество классов
• Размер и параметры входных данных
• Результаты обучения и метрики (если присутствуют в контрольной точке)

Обучить модель

Обучите 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

На странице каждой модели имеются следующие вкладки:

Вкладка «Обзор»

Отображает метаданные модели и ключевые показатели:

• Название модели (редактируемое), значок статуса, тип задачи
• Окончательные показатели (mAP50, mAP50, точность, воспроизводимость)
• Метрические мини-графики, отображающие прогресс обучения
• Аргументы обучения (эпохи, размер партии, размер изображения и т. д.)
• Ссылка на набор данных (при обучении с использованием набора данных платформы)
• Кнопка загрузки весов модели

Вкладка «Поезд»

Вкладка «Поезд» имеет три подвкладки:

Вкладка «Графики»

Интерактивные диаграммы метрик обучения, показывающие кривые потерь и метрики производительности за эпохи:

Вкладка «Консоль»

Вывод консоли в реальном времени из процесса обучения:

• Потоковая передача журналов в реальном времени во время обучения
• Индикаторы выполнения Epoch и результаты проверки
• Обнаружение ошибок с выделенными баннерами ошибок
• Поддержка цветов ANSI для форматированного вывода

Вкладка «Система»

Показатели GPU системы во время обучения:

Вкладка «Прогноз»

Запустите интерактивное выведение непосредственно в браузере:

• Загрузите изображение, вставьте URL-адрес или используйте веб-камеру
• Отображение результатов с ограничительными рамками, масками или ключевыми точками
• Автоматическое выведение при предоставлении изображения
• Поддерживает все типы задач (detect, segment, поза, OBB, classify)

Вкладка «Экспорт»

Экспортируйте свою модель в более чем 17 форматов развертывания. Подробную информацию 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 свою модель в более чем 17 форматов развертывания:

1. Перейдите на вкладку Экспорт
2. Выберите целевой формат
3. Настройте аргументы экспорта (размер изображения, полуточная точность, динамика и т. д.)
4. Для форматов, GPU(TensorRT), выберите GPU .
5. Нажмите Экспорт
6. Скачать по завершении

Поддерживаемые форматы

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

Руководство по выбору формата

Поддержка чипа RKNN

При экспорте в формат RKNN выберите целевое устройство Rockchip:

Жизненный цикл задания экспорта

Задания экспорта проходят следующие статусы:

Массовые действия по экспорту

• Экспорт всего: Нажмите Export All запустить задания экспорта для всех форматов CPU с настройками по умолчанию.
• Удалить все экспорты: Нажмите Delete All удалить все экспорты для модели.

Ограничения формата

Некоторые форматы экспорта имеют ограничения по архитектуре или задачам:

Модель клонирования

Клонировать модель в другой проект:

1. Открыть страницу модели
2. Нажмите кнопку «Клонировать»
3. Выберите проект назначения
4. Нажмите Клонировать

Модель и ее веса копируются в целевой проект.

Скачать модель

Загрузите веса вашей модели:

1. Перейдите на вкладку «Обзор» модели.
2. Нажмите кнопку «Скачать»
3. Оригинал .pt файлы загружаются автоматически

Экспортированные форматы можно загрузить на вкладке «Экспорт» после завершения экспорта.

Связывание наборов данных

Модели могут быть связаны с исходным набором данных:

• Просмотр набора данных, использованного для обучения
• Щелкните 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, ссылки создаются 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, щелкните значок видимости (например, private или public) на странице модели. Переход в приватный режим вступает в силу немедленно. При переходе в публичный режим перед применением отображается диалоговое окно с подтверждением.

Удалить модель

Удаление ненужной модели:

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

Часто задаваемые вопросы

Какие архитектуры моделей поддерживаются?

Ultralytics полностью поддерживает все YOLO с помощью специальных проектов:

• YOLO26: варианты n, s, m, l, x (последний, рекомендуемый) — platform.ultralytics.ultralytics
• YOLO11: варианты n, s, m, l, x — platform.ultralytics.yolo11
• YOLOv8: варианты n, s, m, l, x — platform.ultralytics.yolov8
• YOLOv5: варианты n, s, m, l, x — platform.ultralytics.yolov5

Все архитектуры поддерживают 5 типов задач: detect, segment, поза, 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. Оригинал .pt файлы загружаются автоматически
3. Экспортированные форматы можно загрузить на вкладке «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 базы или выбрать одну из своих готовых моделей в диалоговом окне выбора модели в диалоговом окне обучения. Платформа поддерживает точную настройку из любой загруженной контрольной точки.

📅 Создано 1 месяц назад ✏️ Обновлено 4 дней назад

Комментарии