Ultralytics Platform

中文 | 한국어 | 日本語 | Русский | Deutsch | Français | Español | Português | Türkçe | Tiếng Việt | العربية

Ultralytics Platform, veri hazırlığından model dağıtımına kadar tüm ML iş akışını kolaylaştıran kapsamlı, uçtan uca bir bilgisayar görüşü platformudur. Altyapı karmaşıklığı olmadan üretime hazır bilgisayar görüşü çözümlerine ihtiyaç duyan ekipler ve bireyler için geliştirilmiştir.

Ultralytics Platform Nedir?

Ultralytics Platform, parçalı ML araçlarını birleşik bir çözümle değiştirmek üzere tasarlanmıştır. Aşağıdaki yetenekleri bir araya getirir:

• Roboflow - Veri yönetimi ve açıklama
• Weights & Biases - Deney track'i
• SageMaker - Bulut eğitimi
• HuggingFace - Model dağıtımı
• Arize - İzleme

Yerel YOLO26 ve YOLO11 modelleri desteğiyle hepsi bir arada platform.

İş Akışı: Yükle → Etiketle → Eğit → Dışa Aktar → Dağıt

Platform, uçtan uca bir iş akışı sağlar:

graph LR
    subgraph Data["📁 Data"]
        A[Upload] --> B[Annotate]
        B --> C[Analyze]
    end
    subgraph Train["🚀 Train"]
        D[Configure] --> E[Train on GPU]
        E --> F[View Metrics]
    end
    subgraph Deploy["🌐 Deploy"]
        G[Export] --> H[Deploy Endpoint]
        H --> I[Monitor]
    end
    Data --> Train --> Deploy

Yapabilecekleriniz:

• Eğitim veri kümeleri oluşturmak için görüntüleri, videoları ve ZIP arşivlerini yükleyin
• Görselleştirin: Tüm 5 YOLO görev türü için etkileşimli katmanlarla ek açıklamaları (desteklenen görevlere bakın)
• Eğitin: Modelleri 22 bulut GPU türünde gerçek zamanlı metriklerle eğitin
• Dışa Aktarın: 17 dağıtım formatına (ONNX, TensorRT, CoreML, TFLite, vb.)
• Tek tıklamayla özel uç noktalarla 43 küresel bölgeye dağıtım yapın
• Eğitim ilerlemesini, dağıtım sağlığını ve kullanım metriklerini izleyin
• Projeleri ve veri kümelerini topluluk için herkese açık hale getirerek iş birliği yapın

Çok Bölgeli Altyapı

Verileriniz bölgenizde kalır. Ultralytics Platform, altyapısını üç küresel bölgede işletmektedir:

Katılım sırasında bölgenizi seçersiniz ve tüm verileriniz, modelleriniz ve dağıtımlarınız o bölgede kalır.

Temel Özellikler

Veri Hazırlığı

• Veri Kümesi Yönetimi: Otomatik işlemeyle görüntüleri, videoları veya ZIP arşivlerini yükleyin
• Ek Açıklama Düzenleyici: Tüm 5 YOLO görev türü için manuel ek açıklama (detect, segment, pose, OBB, classify; desteklenen görevlere bakın)
• SAM Akıllı Ek Açıklama: Segment Anything Model kullanarak tıklama tabanlı akıllı ek açıklama
• Otomatik Ek Açıklama: Yeni verileri önceden etiketlemek için eğitilmiş modelleri kullanın
• İstatistikler: Sınıf dağılımı, konum ısı haritaları ve boyut analizi

graph LR
    A[Upload ZIP/Images/Video] --> B[Auto-Process]
    B --> C[Browse & Filter]
    C --> D{Annotate}
    D --> E[Manual Tools]
    D --> F[SAM Smart]
    D --> G[YOLO Auto-Label]
    E --> H[Train-Ready Dataset]
    F --> H
    G --> H

Model Eğitimi

• Bulut Eğitimi: 22 bulut GPU türünde gerçek zamanlı metriklerle eğitim yapın
• Uzaktan Eğitim: Her yerde eğitim yapın ve metrikleri platforma aktarın (W&B tarzı)
• Proje Organizasyonu: İlgili modelleri gruplandırın, deneyleri karşılaştırın, etkinliği takip edin
• 17 Dışa Aktarma Formatı: ONNX, TensorRT, CoreML, TFLite ve daha fazlası (desteklenen formatlara bakın)

Modelleri web kullanıcı arayüzü (bulut eğitimi) aracılığıyla veya kendi makinenizden (uzaktan eğitim) eğitebilirsiniz:

# Install ultralytics
pip install "ultralytics>=8.4.14"

# Set your API key
export ULTRALYTICS_API_KEY="your_api_key"

# Train and stream metrics to the platform
yolo train model=yolo26n.pt data=coco.yaml epochs=100 project=username/my-project name=exp1

import os

from ultralytics import YOLO

os.environ["ULTRALYTICS_API_KEY"] = "your_api_key"

model = YOLO("yolo26n.pt")
model.train(
    data="coco.yaml",
    epochs=100,
    project="username/my-project",
    name="exp1",
)
# Metrics stream to Platform automatically

Dağıtım

• Çıkarım Testi: Özel görüntülerle modelleri doğrudan tarayıcıda test edin
• Özel Uç Noktalar: Otomatik ölçeklendirme ile 43 küresel bölgeye dağıtım yapın
• İzleme: Gerçek zamanlı metrikler, istek günlükleri ve performans panoları

graph LR
    A[Trained Model] --> B{Action}
    B --> C[Browser Predict]
    B --> D[Export Format]
    B --> E[Deploy Endpoint]
    D --> F[ONNX / TensorRT / CoreML / TFLite / ...]
    E --> G[43 Global Regions]
    G --> H[API Endpoint URL]
    H --> I[Monitor & Scale]

Dağıtıldıktan sonra, uç noktanızı herhangi bir dilden çağırın:

import requests

url = "https://your-endpoint-url/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())

curl -X POST "https://your-endpoint-url/predict" \
  -H "Authorization: Bearer your_api_key" \
  -F "file=@image.jpg"

const form = new FormData();
form.append("file", fileInput.files[0]);

const response = await fetch("https://your-endpoint-url/predict", {
    method: "POST",
    headers: { Authorization: "Bearer your_api_key" },
    body: form,
});

const results = await response.json();
console.log(results);

Hesap Yönetimi

• Ekipler ve Kuruluşlar: Ekip üyeleriyle işbirliği yapın, rolleri ve davetleri yönetin
• API Anahtarları: Uzaktan eğitim ve API erişimi için güvenli anahtar yönetimi
• Krediler ve Faturalandırma: Şeffaf fiyatlandırma ile kullandıkça öde eğitimi
• Etkinlik Akışı: Tüm hesap etkinliklerini ve eylemlerini track edin
• Çöp Kutusu ve Geri Yükleme: Öğe kurtarma özellikli 30 günlük geçici silme
• GDPR Uyumluluğu: Veri dışa aktarımı ve hesap silme

Hızlı Bağlantılar

Bu kaynaklarla başlayın:

• Hızlı Başlangıç: İlk projenizi oluşturun ve dakikalar içinde bir model eğitin
• Veri Kümeleri: Eğitim verilerinizi yükleyin ve yönetin
• Etiketleme: Verilerinizi manuel ve yapay zeka destekli araçlarla etiketleyin
• Projeler: Modellerinizi ve deneylerinizi düzenleyin
• Bulut Eğitimi: Bulut GPU'larında eğitim yapın
• Çıkarım: Modellerinizi test edin
• Uç Noktalar: Modelleri üretime dağıtın
• İzleme: Dağıtım performansını izleyin
• API Anahtarları: API erişimini yönetin
• Faturalandırma: Krediler ve ödeme
• Etkinlik: Hesap etkinliklerini track edin
• Çöp Kutusu: Silinen öğeleri kurtarın
• REST API: API referansı

SSS

Ultralytics Platform'a nasıl başlarım?

Ultralytics Platformu ile başlamak için:

1. Kaydolun: platform.ultralytics.com adresinden bir hesap oluşturun
2. Bölge Seçin: Kayıt sırasında veri bölgenizi (ABD, AB veya AP) seçin
3. Veri Kümesi Yükleyin: Verilerinizi yüklemek için Veri Kümeleri bölümüne gidin
4. Model Eğitin: Bir proje oluşturun ve bulut GPU'larında eğitime başlayın
5. Dağıtın: Modelinizi test edin ve özel bir uç noktaya dağıtın

Ayrıntılı bir kılavuz için Hızlı Başlangıç sayfasına bakın.

Ultralytics Platform'un faydaları nelerdir?

Ultralytics Platformu şunları sunar:

• Birleşik İş Akışı: Veri, eğitim ve dağıtım tek bir yerde
• Çoklu Bölge: ABD, AB veya AP bölgelerinde veri yerleşimi
• Kodsuz Eğitim: Kod yazmadan gelişmiş YOLO modelleri eğitin
• Gerçek Zamanlı Metrikler: Eğitim ilerlemesini yayınlayın ve dağıtımları izleyin
• 43 Dağıtım Bölgesi: Modelleri dünya çapındaki kullanıcılarınıza yakın yerlerde dağıtın
• 5 Görev Türü: detection, segmentation, pose, OBB ve classification için destek (görev belgelerine bakın)
• Yapay Zeka Destekli Etiketleme: Veri hazırlığını hızlandırmak için SAM ve otomatik etiketleme

Bulut eğitimi için hangi GPU seçenekleri mevcuttur?

Ultralytics Platformu, bulut eğitimi için birden fazla GPU türünü destekler:

Eksiksiz fiyatlandırma ve GPU seçenekleri için Bulut Eğitimi bölümüne bakın.

Uzaktan eğitim nasıl çalışır?

Modelleri kendi donanımınızda eğitebilir ve Weights & Biases'a benzer şekilde gerçek zamanlı metrikleri platforma aktarabilirsiniz.

pip install "ultralytics>=8.4.14"

# Set your API key
export ULTRALYTICS_API_KEY="your_api_key"

# Train with project/name to stream metrics
yolo train model=yolo26n.pt data=coco.yaml epochs=100 project=username/my-project name=exp1

import os

from ultralytics import YOLO

os.environ["ULTRALYTICS_API_KEY"] = "your_api_key"

model = YOLO("yolo26n.pt")
model.train(
    data="coco.yaml",
    epochs=100,
    project="username/my-project",
    name="exp1",
)

# Train using a Platform dataset directly
export ULTRALYTICS_API_KEY="your_api_key"

yolo train model=yolo26n.pt data=ul://username/datasets/my-dataset epochs=100 project=username/my-project name=exp1

Uzaktan eğitim hakkında daha fazla bilgi için Bulut Eğitimi bölümüne bakın.

Hangi açıklama araçları mevcuttur?

Platform, şunları destekleyen tam özellikli bir etiketleme düzenleyici içerir:

• Manuel Araçlar: Sınırlayıcı kutular, poligonlar, anahtar noktalar, yönlendirilmiş kutular, sınıflandırma
• SAM Akıllı Ek Açıklama: Segment Anything Model kullanarak hassas maskeler oluşturmak için tıklayın
• Klavye Kısayolları: Kısayol tuşlarıyla verimli iş akışları

Tam kılavuz için Etiketleme bölümüne bakın.

Hangi dışa aktarma formatları destekleniyor?

Platform 17 dağıtım formatını destekler:

Formata özel seçenekler için Modelleri Dışa Aktarma, Dışa Aktarma modu kılavuzu ve Entegrasyonlar dizini'ne bakın.

Sorun Giderme

Veri Kümesi Sorunları

Eğitim Sorunları

Dağıtım Sorunları

Sıkça Sorulan Sorular

📅 1 ay önce oluşturuldu ✏️ 5 gün önce güncellendi

Yorumlar