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

Ultralytics Platform nedir?
Ultralytics Platform, parçalanmış ML araçlarının yerini alacak birleşik bir çözüm olarak tasarlanmıştır. Şunların yeteneklerini birleştirir:
- Roboflow - Veri yönetimi ve etiketleme
- Weights & Biases - Deney takibi
- SageMaker - Bulut eğitimi
- HuggingFace - Model dağıtımı
- Arize - İzleme
YOLO26 ve YOLO11 modelleri için yerel desteğe sahip hepsi bir arada bir 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| Aşama | Özellikler |
|---|---|
| Yükle | Otomatik işleme ile görüntüler (50MB), videolar (1GB) ve veri kümesi dosyaları (ZIP, .tar.gz/.tgz dahil TAR, NDJSON) |
| Etiketle | 5 görev türünün tamamı için manuel araçlar, ayrıca tespit, segmentasyon ve OBB için SAM ve YOLO modelleriyle Akıllı Etiketleme (bkz. desteklenen görevler) |
| Eğit | Bulut GPU'ları (tüm planlarda 22 + 2 Pro/Enterprise'a özel: B200, B300), gerçek zamanlı metrikler, proje organizasyonu |
| Dışa Aktar | 17 dağıtım formatı (ONNX, TensorRT, CoreML, TFLite, vb.; bkz. desteklenen formatlar) |
| Dağıt | Özel uç noktalara sahip 43 küresel bölge, varsayılan olarak sıfıra ölçekleme (tek aktif örnek) ve izleme |
Neler yapabilirsin:
- Eğitim veri kümeleri oluşturmak için görüntüleri, videoları ve veri kümesi dosyalarını Yükle
- 5 YOLO görev türünün tamamı için interaktif katmanlarla etiketleri Görselleştir (bkz. desteklenen görevler)
- Gerçek zamanlı metriklerle bulut GPU'larında (tüm planlarda 22, B200 ve B300 için Pro veya Enterprise ile 24) modelleri Eğit
- 17 dağıtım formatına (ONNX, TensorRT, CoreML, TFLite, vb.) Dışa Aktar
- Tek tıkla özel uç noktalarla 43 küresel bölgeye Dağıt
- Eğitim ilerlemesini, dağıtım sağlığını ve kullanım metriklerini İzle
- Projeleri ve veri kümelerini topluluk için herkese açık hale getirerek İşbirliği yap
Çok Bölgeli Altyapı
Verilerin kendi bölgende kalır. Ultralytics Platform, altyapısını üç küresel bölgede işletir:
| Bölge | Etiket | Konum | En İyisi |
|---|---|---|---|
| ABD | Amerika | Iowa, ABD | Amerika kullanıcıları, Amerika için en hızlısı |
| AB | Avrupa, Orta Doğu ve Afrika | Belçika, Avrupa | Avrupalı kullanıcılar, GDPR uyumluluğu |
| AP | Asya Pasifik | Tayvan, Asya-Pasifik | Asya-Pasifik kullanıcıları, en düşük APAC gecikmesi |
Bölgeni onboarding sırasında seçersin; tüm verilerin, modellerin ve dağıtımların o bölgede kalır.
Veri bölgen, hesap oluşturulduktan sonra değiştirilemez. Onboarding sırasında platform her bölgeye olan gecikmeyi ölçer ve en yakın olanı önerir. Dikkatli seç.
Temel Özellikler
Veri Hazırlığı
- Veri Kümesi Yönetimi: Otomatik işleme ile görüntüleri, videoları veya veri kümesi dosyalarını yükle
- Etiketleme Düzenleyicisi: 5 YOLO görev türünün tamamı için manuel etiketleme (tespit, segmentasyon, poz, OBB, sınıflandırma; bkz. desteklenen görevler)
- İskelet Şablonları: Tek tıkla poz etiketleme için yerleşik (Kişi, El, Yüz, Köpek, Kutu) ve özel iskelet şablonları
- Akıllı Etiketleme: Tespit, segmentasyon ve OBB görevleri için SAM 2.1 (Tiny, Small, Base, Large), SAM 3, önceden eğitilmiş Ultralytics YOLO modellerini veya kendi ince ayar yapılmış YOLO modellerini kullan
- Veri Kümesi Sürümleme: Tekrarlanabilir eğitim için açıklamalı, numaralandırılmış NDJSON anlık görüntüleri oluştur
- İstatistikler: Sınıf dağılımı, konum ısı haritaları ve boyut analizi
graph LR
A[Upload Dataset/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 --> HEtiketleme düzenleyicisi 5 YOLO görev türünün tamamını destekler: tespit (sınırlayıcı kutular), segmentasyon (poligonlar), poz (anahtar noktalar), OBB (yönlendirilmiş kutular) ve sınıflandırma (görüntü düzeyi etiketleri). Her görev türünün özel çizim araçları ve klavye kısayolları vardır.
Model Eğitimi
- Bulut Eğitimi: Gerçek zamanlı metriklerle bulut GPU'larında (tüm planlarda 22, B200 ve B300 için Pro veya Enterprise ile 24) eğit
- Uzaktan Eğitim: Her yerde eğit ve metrikleri platforma aktar (W&B tarzı)
- Proje Organizasyonu: İlgili modelleri grupla, deneyleri karşılaştır, etkinliği izle
- 17 Dışa Aktarma Formatı: ONNX, TensorRT, CoreML, TFLite ve daha fazlası (bkz. desteklenen formatlar)

Modelleri web arayüzü (bulut eğitimi) veya kendi makinen (uzaktan eğitim) üzerinden eğitebilirsin:
- Projene git
- Click
Train Model - Veri kümesini, modeli, GPU'yu ve dönem sayısını (epoch) seç
- Gerçek zamanlı kayıp eğrilerini ve metrikleri izle
Dağıtım
- Çıkarım Testi: Modelleri doğrudan tarayıcıda özel görüntülerle test et
- Özel Uç Noktalar: Varsayılan olarak sıfıra ölçekleme (tek aktif örnek) ile 43 küresel bölgeye dağıt
- İzleme: Gerçek zamanlı metrikler, istek günlükleri ve performans panelleri
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 noktanı herhangi bir dilden çağır:
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())Hesap Yönetimi
- Ekipler ve Organizasyonlar: Ekip üyeleriyle işbirliği yap, rolleri ve davetleri yönet
- API Anahtarları: Uzaktan eğitim ve API erişimi için güvenli anahtar yönetimi
- Krediler ve Faturalandırma: Şeffaf fiyatlandırma ile kullandığın kadar öde eğitim
- Etkinlik Akışı: Tüm hesap olaylarını ve eylemlerini izle
- Çöp Kutusu ve Geri Yükleme: Öğe kurtarma ile 30 günlük yumuşak silme
- GDPR Uyumluluğu: Veri dışa aktarma ve hesap silme
| Özellik | Ücretsiz | Pro ($29/ay) | Kurumsal |
|---|---|---|---|
| Kayıt Kredisi | $5 / $25* | - | Özel |
| Aylık Kredi | - | $30/koltuk/ay | Özel |
| Modeller | 100 | 500 | Sınırsız |
| Eşzamanlı Eğitimler | 3 | 10 | Sınırsız |
| Dağıtımlar | 3 | 10 | Sınırsız |
| Depolama | 100 GB | 500 GB | Sınırsız |
| Bulut GPU Türleri | 22 | 24 (B200 / B300 dahil) | 24 |
| Ekipler | - | 5 üyeye kadar | 50'ye kadar |
| Destek | Topluluk | Öncelikli | Özel |
*Kayıt olurken $5 veya doğrulanmış bir şirket/iş e-postası ile $25.
Hızlı Bağlantılar
Bu kaynaklarla hemen başla:
- Hızlı Başlangıç: İlk projeni oluştur ve dakikalar içinde bir model eğit
- Veri Setleri: Eğitim verilerini yükle ve yönet
- Etiketleme: Verilerini manuel ve yapay zeka destekli araçlarla etiketle
- Projeler: Modellerini ve denemelerini düzenle
- Bulut Eğitimi: Bulut GPU'larında eğitim yap
- Çıkarım: Modellerini test et
- Uç Noktalar: Modelleri üretime dağıt
- İzleme: Dağıtım performansını takip et
- API Anahtarları: API erişimini yönet
- Faturalandırma: Krediler ve ödeme
- Etkinlik: Hesap olaylarını takip et
- Çöp Kutusu: Silinen öğeleri geri yükle
- REST API: API referansı
SSS
Ultralytics Platform ile nasıl başlayabilirim?
Ultralytics Platform ile başlamak için:
- Kaydol: platform.ultralytics.com üzerinden bir hesap oluştur
- Bölge Seç: İşe alım sürecinde veri bölgeni (ABD, AB veya AP) seç
- Veri Seti Yükle: Verilerini yüklemek için Veri Setleri bölümüne git
- Model Eğit: Bir proje oluştur ve bulut GPU'larında eğitime başla
- Dağıt: Modelini test et ve özel bir uç noktaya dağıt
Ayrıntılı bir kılavuz için Hızlı Başlangıç sayfasına bak.
Ultralytics Platform'un avantajları nelerdir?
Ultralytics Platform şunları sunar:
- Birleşik İş Akışı: Veri, eğitim ve dağıtım tek bir yerde
- Çoklu Bölge: ABD, AB veya AP bölgelerinde veri ikametgahı
- Kodsuz Eğitim: Kod yazmadan gelişmiş YOLO modellerini eğit
- Gerçek Zamanlı Metrikler: Eğitim ilerlemesini yayınla ve dağıtımları izle
- 43 Dağıtım Bölgesi: Modelleri dünya genelindeki kullanıcılarına yakın bir yere dağıt
- 5 Görev Türü: Tespit, segmentasyon, poz, OBB ve sınıflandırma desteği (bkz. görev dokümanları)
- Yapay Zeka Destekli Etiketleme: Veri hazırlığını hızlandırmak için SAM ve YOLO modelleriyle Akıllı etiketleme
Bulut eğitimi için hangi GPU seçenekleri mevcut?
Ultralytics Platform, bulut eğitimi için birden fazla GPU türünü destekler:
| GPU | Nesil | VRAM | Maliyet/Saat | En İyisi |
|---|---|---|---|---|
| RTX 2000 Ada | Ada | 16 GB | $0.24 | Küçük veri setleri, test etme |
| RTX A4500 | Ampere | 20 GB | $0.25 | Küçük-orta ölçekli veri setleri |
| RTX 4000 Ada | Ada | 20 GB | $0.26 | Orta ölçekli veri setleri |
| RTX A5000 | Ampere | 24 GB | $0.27 | Orta ölçekli veri setleri |
| L4 | Ada | 24 GB | $0.39 | Çıkarım optimize edilmiş |
| A40 | Ampere | 48 GB | $0.44 | Daha büyük yığın boyutları |
| RTX 3090 | Ampere | 24 GB | $0.46 | Genel eğitim |
| RTX A6000 | Ampere | 48 GB | $0.49 | Büyük modeller |
| RTX PRO 4500 | Blackwell | 32 GB | $0.64 | Harika fiyat/performans |
| RTX 4090 | Ada | 24 GB | $0.69 | En iyi fiyat/performans |
| RTX 6000 Ada | Ada | 48 GB | $0.77 | Büyük yığın (batch) eğitimi |
| L40S | Ada | 48 GB | $0.86 | Büyük yığın (batch) eğitimi |
| RTX 5090 | Blackwell | 32 GB | $0.99 | En yeni tüketici nesli |
| L40 | Ada | 48 GB | $0.99 | Büyük modeller |
| A100 PCIe | Ampere | 80 GB | $1.39 | Üretim eğitimi |
| A100 SXM | Ampere | 80 GB | $1.49 | Üretim eğitimi |
| RTX PRO 6000 | Blackwell | 96 GB | $1.89 | Önerilen varsayılan |
| H100 PCIe | Hopper | 80 GB | $2.39 | Yüksek performanslı eğitim |
| H100 SXM | Hopper | 80 GB | $2.99 | En hızlı eğitim |
| H100 NVL | Hopper | 94 GB | $3.07 | Maksimum performans |
| H200 NVL | Hopper | 143 GB | $3.39 | Maksimum bellek |
| H200 SXM | Hopper | 141 GB | $3.99 | Maksimum performans |
| B200 | Blackwell | 180 GB | $5.49 | Büyük modeller (Pro+) |
| B300 | Blackwell | 288 GB | $7.39 | En büyük modeller (Pro+) |
Eksiksiz fiyatlandırma ve GPU seçenekleri için Cloud Training bölümüne bak.
Uzaktan eğitim nasıl çalışır?
Modelleri kendi donanımın üzerinde eğitebilir ve Weights & Biases'a benzer şekilde gerçek zamanlı metrikleri platforma aktarabilirsin.
Platform entegrasyonu ultralytics>=8.4.35 gerektirir. Daha düşük sürümler Platform ile çalışmaz.
pip install "ultralytics>=8.4.35"# 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=exp1Uzaktan eğitim hakkında daha fazla ayrıntı için Cloud Training bölümüne bak.
Hangi etiketleme araçları mevcut?
Platform, aşağıdakileri destekleyen tam özellikli bir etiketleme düzenleyicisi içerir:
- Manuel Araçlar: Sınırlayıcı kutular (bounding boxes), çokgenler, iskelet şablonlu anahtar noktalar, yönelimli kutular, sınıflandırma
- İskelet Şablonları: Yerleşik (Kişi, El, Yüz, Köpek, Kutu) veya özel şablonları kullanarak tüm anahtar noktaları aynı anda yerleştir
- Akıllı Etiketleme: Tıklama tabanlı etiketleme için SAM 2.1 veya SAM 3 kullan ya da algılama, segmentasyon ve OBB için araç çubuğundan önceden eğitilmiş Ultralytics YOLO modellerini ve kendi ince ayarlı YOLO modellerini çalıştır
- Klavye Kısayolları: Kısayol tuşları ile verimli iş akışları
| Kısayol | Eylem |
|---|---|
V | Manuel (çizim) modu |
S | Akıllı mod (SAM veya YOLO modeli) |
A | Otomatik uygulamayı aç/kapat (Akıllı modda) |
1 - 9 | Numaraya göre sınıf seç |
Delete | Seçili etiketi sil |
Ctrl+Z | Geri al |
Ctrl+Y | Yinele |
Escape | Kaydet / seçimi kaldır / çık |
Eksiksiz kılavuz için Annotation bölümüne bak.
Hangi dışa aktarma formatları destekleniyor?
Platform 17 dağıtım formatını destekler:
| Format | Dosya Uzantısı | Kullanım Durumu |
|---|---|---|
| ONNX | .onnx | Platformlar arası dağıtım |
| TorchScript | .torchscript | C++ dağıtımı |
| OpenVINO | _openvino_model | Intel donanımı |
| TensorRT | .engine | NVIDIA GPU çıkarımı |
| CoreML | .mlpackage | Apple cihazları |
| TFLite | .tflite | Mobil/uç cihazlar |
| TF SavedModel | _saved_model | TensorFlow ekosistemi |
| TF GraphDef | .pb | TensorFlow eski sürümü |
| PaddlePaddle | _paddle_model | Baidu ekosistemi |
| NCNN | _ncnn_model | Mobil (Android/ARM) |
| Edge TPU | _edgetpu.tflite | Google Coral cihazları |
| TF.js | _web_model | Tarayıcı dağıtımı |
| MNN | .mnn | Alibaba mobil |
| RKNN | _rknn_model | Rockchip NPU |
| IMX500 | _imx_model | Sony IMX500 sensörü |
| Axelera | _axelera_model | Axelera AI hızlandırıcıları |
| ExecuTorch | _executorch_model | PyTorch mobil |
Format seçenekleri için Modelleri Dışa Aktarma, Dışa Aktarma modu rehberi ve Entegrasyonlar dizini bölümlerine bakabilirsin.
Sorun Giderme
Veri Kümesi Sorunları
| Sorun | Çözüm |
|---|---|
| Veri kümesi işlenmiyor | Dosya formatının desteklendiğini kontrol et (görüntüler için JPEG, PNG, WebP, TIFF, HEIC, AVIF, BMP, JP2, DNG, MPO). Maksimum dosya boyutu: görüntüler için 50 MB, videolar için 1 GB, veri kümesi arşivleri için 10 GB (Ücretsiz) / 20 GB (Pro) / 50 GB (Enterprise) |
| Eksik ek açıklamalar | Etiketlerin YOLO formatında olduğunu ve görüntü dosya adlarıyla eşleşen .txt dosyalarının bulunduğunu doğrula ya da COCO JSON yükle |
| "Train split required" hatası | Veri kümesi yapına train/ klasörünü ekle veya bölme çubuğu aracılığıyla bölmeleri yeniden dağıt |
| Sınıf adları tanımlanmamış | Add a data.yaml file with names: list (see YOLO format), or define classes in the Classes tab |
Eğitim Sorunları
| Sorun | Çözüm |
|---|---|
| Eğitim başlamıyor | Ayarlar > Faturalandırma kısmından kredi bakiyeni kontrol et. Pozitif bakiye gereklidir |
| Bellek yetersizliği (Out of memory) hatası | Toplu iş boyutunu (batch size) düşür, daha küçük bir model (n/s) kullan veya daha fazla VRAM'e sahip bir GPU seç |
| Zayıf metrikler | Veri kümesi kalitesini kontrol et, dönem sayısını (epochs) artır, veri artırmayı dene, sınıf dengesini doğrula |
| Eğitim yavaş | Daha hızlı bir GPU seç, görüntü boyutunu küçült, veri kümesinde darboğaz olmadığından emin ol |
Dağıtım Sorunları
| Sorun | Çözüm |
|---|---|
| Uç nokta (endpoint) yanıt vermiyor | Uç nokta durumunu kontrol et (Hazır veya Durdurulmuş). Soğuk başlatma 5-15 saniye sürebilir |
| 401 Yetkisiz hatası | API anahtarının doğru olduğunu ve gerekli kapsamlarına sahip olduğunu doğrula |
| Yavaş çıkarım (inference) | Model boyutunu kontrol et, TensorRT dışa aktarma yöntemini değerlendir, daha yakın bir bölge seç |
| Dışa aktarma başarısız | Bazı formatlar belirli model mimarileri gerektirir. En geniş uyumluluk için ONNX formatını dene |
Sıkça Sorulan Sorular
Kayıt olduktan sonra kullanıcı adımı değiştirebilir miyim?
Hayır, kullanıcı adları kalıcıdır ve değiştirilemez. Kayıt sırasında dikkatli seç.
Veri bölgemi değiştirebilir miyim?
Hayır, veri bölgesi kayıt sırasında seçilir ve değiştirilemez. Bölgeleri değiştirmek için yeni bir hesap oluştur ve verilerini yeniden yükle.
Nasıl daha fazla kredi alabilirim?
Ayarlar > Faturalandırma > Kredi Ekle bölümüne git. 5$ ile 1000$ arasında kredi satın alabilirsin. Satın alınan kredilerin süresi dolmaz.
Eğitim başarısız olursa ne olur?
Yalnızca tamamlanan işlem süresi için ücretlendirilirsin. Kontrol noktaları kaydedilir ve eğitime kaldığın yerden devam edebilirsin.
Eğittiğim modeli indirebilir miyim?
Evet, .pt dosyasını veya dışa aktarılan formatları indirmek için herhangi bir model sayfasındaki indirme simgesine tıkla.
Çalışmalarımı nasıl herkese açık paylaşabilirim?
Proje veya veri kümesi ayarlarını düzenle ve görünürlüğü "Herkes Açık" (Public) olarak değiştir. Herkes açık içerikler Keşfet sayfasında görünür.
Dosya boyutu sınırları nelerdir?
Görüntüler: 50MB, Videolar: 1GB, veri kümeleri: Ücretsiz planda 10GB, Pro'da 20GB, Enterprise'da 50GB. Daha büyük dosyalar için çoklu yüklemelere böl.
Silinen öğeler Çöp Kutusu'nda ne kadar süre tutulur?
30 gün. Bu süreden sonra öğeler kalıcı olarak silinir ve kurtarılamaz.
Platform modellerini ticari olarak kullanabilir miyim?
Ücretsiz ve Pro planlar AGPL lisansı kullanır. AGPL gereksinimleri olmadan ticari kullanım için Ultralytics Lisanslama sayfasına bakabilirsin.