Ultralytics Platformu#
Ultralytics Platformu, veri hazırlamadan 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 geliştirilmiştir.

Ultralytics Platformu nedir?#
Ultralytics Platformu; veri kümesi yönetimini ve açıklama eklemeyi, deney takibini, bulut ve uzak eğitimi, model dışa aktarmayı, özel çıkarım uç noktalarını ve dağıtım izlemeyi tek bir çalışma alanında bir araya getirir. YOLO26, YOLO11, YOLOv8 ve YOLOv5 modellerini yerel olarak destekler.
İş akışı: Yükle → Açıklama Ekle → Eğit → Dışa Aktar veya Dağıt#
Platform, uçtan uca bir iş akışı sunar:
| Aşama | Özellikler |
|---|---|
| Yükle | Bilgisayarından, bir URL'den, bulut depolama alanından veya şirket içi bir ana bilgisayardan görüntüler (50 MB), videolar (1 GB) ve veri kümesi dosyaları (ZIP, .tar.gz/.tgz dahil TAR, NDJSON) |
| Açıklama Ekle | 6 görev türü için manuel açıklama ekleme araçları ve algılama, segmentasyon, anlamsal ve OBB görevleri için SAM modelleriyle Akıllı Açıklama, bu görevler ve pose için YOLO modelleri ya da 1–200 sınıflı algılama veri kümeleri için sınıf istemiyle yönlendirilen modeller (barındırılan açık kaynak modeller veya ücretli sağlayıcı modelleri; desteklenen görev türlerine bak) |
| Eğit | Bulut GPU'ları (tüm planlarda 24, yalnızca Pro/Enterprise planlarında ek 2: B200, B300), gerçek zamanlı metrikler, proje düzenleme |
| Dışa Aktar | 22 dağıtım biçimi (ONNX, TensorRT, CoreML, LiteRT, Hailo, Ascend vb.; desteklenen biçimlere bak) |
| Dağıt | Özel uç noktalarla dünya genelinde 42 bölge, varsayılan olarak sıfıra ölçekleme (tek etkin örnek) ve izleme |
Yapabileceklerin:
- Eğitim veri kümeleri oluşturmak için görüntüleri, videoları ve veri kümesi dosyalarını yükle
- Açıklama düzenleyicisinin desteklediği 6 YOLO görev türüne ait açıklamaları etkileşimli katmanlarla görselleştir (desteklenen görev türlerine bak)
- Gerçek zamanlı metriklerle modelleri bulut GPU'larında eğit (tüm planlarda 24 GPU, B200 ve B300 için Pro veya Enterprise ile 26 GPU)
- 22 dağıtım biçimine dışa aktar (ONNX, TensorRT, CoreML, LiteRT, Hailo, Ascend vb.)
- Tek tıkla özel uç noktalar oluşturarak dünya genelindeki 42 bölgeye dağıt
- Modelleri, koşulları, veri kümesi toplamayı, Slack uyarılarını ve web kancalarını birbirine bağlayan Agents iş akışları oluştur
- Eğitim ilerlemesini, dağıtım durumunu ve kullanım metriklerini izle
- Bulut depolama alanını, açıklama araçlarını ve Slack'i entegrasyonlar aracılığıyla bağla
- Projeleri ve veri kümelerini topluluğa açık hâle getirerek iş birliği yap
Çok Bölgeli Altyapı#
Verilerin kendi bölgenizde kalır. Ultralytics Platformu dünya genelinde üç bölgede altyapı işletir:
| Bölge | Etiket | Konum | En Uygun Kullanım Alanı |
|---|---|---|---|
| ABD | Amerika | Iowa, ABD | Amerika kıtasındaki kullanıcılar; Amerika kıtası için en hızlı bölge |
| AB | Avrupa, Orta Doğu ve Afrika | Belçika, Avrupa | Avrupalı kullanıcılar, GDPR uyumluluğu |
| AP | Asya Pasifik | Tayvan, Asya-Pasifik | Asya-Pasifik kullanıcıları; APAC için en düşük gecikme |
Veri bölgeni ilk kurulum sırasında seçersin. Veri kümeleri, modeller ve yönetilen eğitim verileri bu bölgede kalır. Özel uç noktalar, küresel dağıtım haritasından seçtiğin bir bölgeye ayrı olarak dağıtılır.
Hesap oluşturulduktan sonra veri bölgeni kendin değiştiremezsin. İlk kurulum sırasında Platform, her bölgeye olan gecikmeyi ölçer ve sana en yakın bölgeyi önerir. Daha sonra bölge değişikliği talep etmen gerekirse destek ekibiyle iletişime geç. Bu, veri kümesi ve model içerikleri için geçerlidir; profil, faturalandırma ve etkinlik kayıtları gibi hesap düzeyindeki veriler, Gizlilik Politikamızda ve Veri İşleme Sözleşmemizde açıklandığı üzere küresel olarak işlenir.
Temel Özellikler#
Veri Hazırlama#
- Veri Kümesi Yönetimi: Yerel dosyalardan, bir URL'den, bağlı bulut depolama alanından veya şirket içi bir ana bilgisayardan otomatik işleme ile veri kümeleri oluştur
- Açıklama Düzenleyicisi: 6 YOLO görev türü için manuel açıklama ekleme araçları (algılama, segmentasyon, anlamsal, sınıflandırma, pose, OBB; desteklenen görev türlerine bak)
- İskelet Şablonları: Tek tıkla pose açıklaması eklemek için yerleşik (Kişi, El, Köpek, Yüz, Kutu) ve özel iskelet şablonları
- Akıllı Açıklama: Algılama, segmentasyon, anlamsal ve OBB görevleri için açıklama araç çubuğundan SAM 2.1 (Tiny, Small, Base, Large), SAM 3 veya SAM 3.1 (varsayılan) modellerini; bu görevler ve pose için önceden eğitilmiş Ultralytics YOLO modellerini ve kendi ince ayarlı YOLO modellerini ya da 1–200 sınıflı algılama veri kümelerinde sınıf istemiyle yönlendirilen modelleri kullan: barındırılan altı açık kaynak model (varsayılan Moondream 3.1), barındırılan metin istemli SAM 3 ve SAM 3.1 ya da Ayarlar > API Anahtarları bölümünden bir sağlayıcı anahtarıyla OpenAI, Anthropic, Google, Meta, SpaceXAI, DeepSeek, Z.ai, Kimi ve Xiaomi MiMo'nun ücretli görüntü modelleri
- Veri Kümesi Sürümleme: Açıklamalarla numaralandırılmış NDJSON anlık görüntüleri oluştur, ardından tekrarlanabilir eğitim için istediğin sürümü indir veya geri yükle
- İstatistikler: Sınıf dağılımı, bölme dağılımı, konum ısı haritaları ve sınırlayıcı kutu boyut analizi
Açıklama düzenleyicisi 6 YOLO görev türü için araçlar sunar: algılama (sınırlayıcı kutular), segmentasyon (çokgenler), anlamsal (sınıf başına bölgeler), sınıflandırma (görüntü düzeyinde etiketler), pose (anahtar noktalar) ve OBB (yönlendirilmiş kutular). Her görev türünün kendine özgü açıklama kontrolleri ve klavye kısayolları vardır.
Model Eğitimi#
- Bulut Eğitimi: Gerçek zamanlı metrikler ve canlı maliyet tahminiyle bulut GPU'larında eğitim yap (B200 ve B300 için tüm planlarda 24, Pro veya Enterprise ile 26 GPU)
- Uzak Eğitim: Her yerde eğitim yap ve metrikleri Ultralytics Platformuna aktar
- Gelişmiş Ayarlar: Eğitim iletişim kutusundaki yerleşik YAML düzenleyicisinden istediğin Ultralytics eğitim bağımsız değişkenini geçersiz kıl
- Proje Düzenleme: İlgili modelleri grupla, deneyleri karşılaştır, etkinlikleri izle
- 22 dışa aktarma biçimi: ONNX, TensorRT, CoreML, LiteRT, Hailo, Ascend ve diğerleri (desteklenen biçimlere bak)

Modelleri web kullanıcı arayüzü (bulut eğitimi) üzerinden veya kendi bilgisayarından (uzak eğitim) eğitebilirsin:
- Projene git
New Modelöğesine tıkla- Veri kümesini, modeli, GPU'yu ve epoch sayısını seç
- Kayıp eğrilerini ve metrikleri gerçek zamanlı izle
Dağıtım#
- Çıkarım Testi: Kendi görüntülerinle, web kamerası görüntüsüyle veya yerleşik örneklerle modelleri doğrudan tarayıcıda test et
- Özel Uç Noktalar: Varsayılan olarak sıfıra ölçeklemeyle (tek etkin örnek) dünya genelindeki 42 bölgeye dağıt
- İzleme: Gerçek zamanlı metrikler, istek günlükleri ve performans panoları
Dağıtım tamamlandıktan sonra uç noktanı herhangi bir dilden çağırabilirsin. conf, iou ve imgsz isteğe bağlı form alanlarıdır ve varsayılan olarak 0.25, 0.7 ve modelin eğitim görüntüsü boyutunu (mevcut değilse 640) kullanır:
import requests
url = "https://your-deployment-url.run.app/predict"
api_key = "YOUR_API_KEY"
args = {"conf": 0.25, "iou": 0.7, "imgsz": 640}
with open("image.jpg", "rb") as f:
response = requests.post(
url,
headers={"Authorization": f"Bearer {api_key}"},
data=args,
files={"file": f},
)
print(response.json())Hesap Yönetimi#
- Ekipler ve Kuruluşlar: Ekip üyeleriyle iş birliği yap, rolleri ve davetleri yönet, çalışma alanları arasında hesap menüsünden geçiş yap
- API Anahtarları: Uzaktan eğitim ve API erişimi için güvenli anahtar yönetimi
- Krediler ve Faturalandırma: Şeffaf fiyatlandırmayla kullandıkça öde eğitimi ve 5 ila 1.000 $ arasında bakiye yükleme
- Etkinlik Akışı: Tüm hesap olaylarını ve işlemlerini takip et
- Çöp Kutusu ve Geri Yükleme: Öğeleri kurtarmak için 30 günlük geçici silme
- GDPR Uyumluluğu: Veri dışa aktarma ve hesap silme
Güncel limitler, GPU erişimi, iş birliği ve lisanslama bilgileri için kapsamlı Ücretsiz, Pro ve Kurumsal karşılaştırmasına göz at.
Hızlı Bağlantılar#
Şu kaynaklarla başla:
- Hızlı Başlangıç: İlk projenizi oluşturun ve dakikalar içinde bir model eğitin
- Keşfet: Herkese açık veri kümelerine ve projelere göz atıp bunları klonla, ayrıca görselleri gösterdiklerine göre ara
- Veri: Veri kümesi hazırlığına genel bakış
- Veri Kümeleri: Eğitim verilerini yükleyin ve yönetin
- Etiketleme: Verilerini manuel ve yapay zekâ destekli araçlarla etiketle
- Eğit: Eğitime genel bakış
- Projeler: Modellerini ve deneylerini düzenle
- Modeller: Model sayfaları, indirmeler ve dışa aktarımlar
- Bulut Eğitimi: Bulut GPU'larında eğitim yap
- Dağıt: Dağıtıma genel bakış
- Çıkarım: Modellerini test et
- Uç Noktalar: Modelleri üretim ortamına dağıt
- İzleme: Dağıtım performansını takip et
- Hesap: Hesaba genel bakış
- Ayarlar: Profil ve çalışma alanı tercihleri
- Ekipler: Üyeler, roller ve davetler
- API Anahtarları: API erişimini yönet
- Faturalandırma: Krediler ve ödemeler
- Etkinlikler: Hesap olaylarını takip et
- Çöp Kutusu: Silinen öğeleri kurtar
- Entegrasyonlar: Bulut depolama, etiketleme araçları ve Slack
- REST API: API başvuru kılavuzu
Sorun Giderme#
Veri Kümesi Sorunları#
| Sorun | Çözüm |
|---|---|
| Veri kümesi işlenmiyor | Dosya biçiminin desteklendiğini kontrol et (görüntüler için JPEG, PNG, WebP, TIFF, HEIC, AVIF, BMP, JP2, DNG, MPO). En büyük dosya boyutu: görüntüler 50 MB, videolar 1 GB, veri kümesi arşivleri 10 GB (Ücretsiz) / 20 GB (Pro) / 50 GB (Kurumsal) |
| Etiketler eksik | Etiketlerin, görüntü dosya adlarıyla eşleşen .txt dosyalarıyla YOLO biçiminde olduğunu doğrula veya COCO JSON yükle |
| "Eğitim bölümü gerekli" | Veri kümesi yapına train/ klasörünü ekle veya bölümleri bölme çubuğu üzerinden yeniden dağıt |
| Sınıf adları tanımlanmamış | names: listesi içeren bir data.yaml dosyası ekle (YOLO biçimine bak) veya sınıfları Sınıflar sekmesinde tanımla |
Eğitim Sorunları#
| Sorun | Çözüm |
|---|---|
| Eğitim başlamıyor | Ayarlar > Faturalandırma bölümünden kredi bakiyeni kontrol et. Bakiyenin pozitif olması gerekir |
| Bellek yetersiz hatası | Yığın boyutunu azalt, daha küçük bir model (n/s) kullan veya daha fazla VRAM'e sahip bir GPU seç |
| Düşük metrikler | Veri kümesi kalitesini kontrol et, epoch sayısını artır, veri artırmayı dene ve sınıf dengesini doğrula |
| Eğitim yavaş | Daha hızlı bir GPU seç, görüntü boyutunu azalt ve darboğazın veri kümesinden kaynaklanmadığını kontrol et |
Dağıtım Sorunları#
| Sorun | Çözüm |
|---|---|
| Uç nokta yanıt vermiyor | Uç nokta durumunu kontrol et (Hazır veya Durduruldu). Boştaki bir uç noktanın ilk istekte soğuk başlatılması bir dakika kadar sürebilir |
| 401 Yetkisiz | API anahtarının etkin olduğunu ve doğru kopyalandığını doğrula |
| Yavaş çıkarım | Model boyutunu kontrol et, TensorRT dışa aktarımını değerlendirmeyi ve daha yakın bir bölge seçmeyi düşün |
| Dışa aktarma başarısız oldu | Bazı biçimler belirli model mimarileri gerektirir. En geniş uyumluluk için ONNX biçimini dene |
Sık Sorulan Sorular#
Kayıt olduktan sonra kullanıcı adımı değiştirebilir miyim?
Hayır, kullanıcı adları kalıcıdır ve değiştirilemez. Kayıt sırasında dikkatlice seç.
Veri bölgemi değiştirebilir miyim?
Veri bölgen, ilk kurulum sırasında seçilir ve kendin değiştiremezsin. Bölgeleri değiştirmek için destek ekibiyle iletişime geçerek bölge değişikliği talep et.
Nasıl daha fazla kredi alabilirim?
Ayarlar > Faturalandırma bölümüne git ve Bakiye Yükle'ye tıkla. 5 ila 1.000 $ arasında kredi satın alabilirsin. Satın alınan kredilerin süresi dolmaz.
Eğitim başarısız olursa ne olur?
Bulut bilişim başladıysa geçen GPU süresi ücretlendirilir. GPU başlamadan önceki hatalarda bilişim kullanımı ücreti alınmaz.
Eğittiğim modeli indirebilir miyim?
Evet. Model sayfasındaki indirme simgesine tıklayarak .pt ağırlıklarını indirebilir veya tamamlanmış dışa aktarma biçimleri için Dışa Aktar sekmesini açabilirsin.
Çalışmalarımı herkese açık olarak nasıl paylaşabilirim?
Projeyi veya veri kümesini aç, üst gezinme çubuğundaki Özel rozetine tıkla ve Herkese açık yap seçeneğini onayla. Herkese açık içerik Keşfet sayfasında görünür.
Dosya boyutu sınırları nelerdir?
Görüntüler: 50 MB, videolar: 1 GB, veri kümeleri: Ücretsiz planda 10 GB, Pro'da 20 GB, Kurumsal'da 50 GB. Daha büyük dosyalar için dosyaları birden fazla yüklemeye böl.
Silinen öğeler Çöp Kutusu'nda ne kadar süre tutulur?
30 gün. Bu sürenin ardından öğeler kalıcı olarak silinir ve kurtarılamaz.
Platform modellerini ticari amaçla kullanabilir miyim?
Ücretsiz ve Pro planlarda AGPL lisansı kullanılır. AGPL gereklilikleri olmadan ticari kullanım için Ultralytics Lisanslama sayfasına bak.
Sık Sorulan Sorular#
Ultralytics Platform ile başlamak için:
- Kaydol: platform.ultralytics.com adresinde bir hesap oluştur
- Bölge Seç: İlk kurulum sırasında veri bölgeni seç (ABD, AB veya AP)
- Veri Kümesi Yükle: Kenar çubuğundan
Annotatebölümünü aç ve verilerini yükle - 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 şunları sunar:
- Birleşik İş Akışı: Veri, eğitim ve dağıtım tek bir yerde
- Çok Bölgeli: Veriler ABD, AB veya AP bölgelerinde barındırılır
- Kodsuz Eğitim: Kod yazmadan gelişmiş YOLO modellerini eğit
- Gerçek Zamanlı Metrikler: Eğitim ilerlemesini canlı izle ve dağıtımları takip et
- 42 Dağıtım Bölgesi: Modelleri dünya genelinde kullanıcılarına yakın konumlarda dağıt
- 7 Görev Türü: Nesne algılama, örnek bölütleme, anlamsal bölütleme, derinlik tahmini, sınıflandırma, poz ve OBB desteği (görev belgelerine bak)
- Yapay Zekâ Destekli Etiketleme: Veri hazırlığını hızlandırmak için SAM, YOLO ve sınıf istemleriyle yönlendirilen modellerle akıllı etiketleme (1–200 sınıflı nesne algılama veri kümeleri)
Ultralytics Platform, bulut üzerinde eğitim için birden fazla GPU türünü destekler:
GPU Nesil VRAM Maliyet/Saat En Uygun Kullanım Alanı RTX 2000 Ada Ada 16 GB $0.24 Küçük veri kümeleri, test RTX A4500 Ampere 20 GB $0.25 Küçük-orta ölçekli veri kümeleri RTX 4000 Ada Ada 20 GB $0.26 Orta ölçekli veri kümeleri RTX A5000 Ampere 24 GB $0.27 Orta ölçekli veri kümeleri L4 Ada 24 GB $0.39 Çıkarım için optimize edilmiş A40 Ampere 48 GB $0.44 Daha büyük toplu iş boyutları RTX 3090 Ampere 24 GB $0.46 Genel amaçlı eğitim RTX A6000 Ampere 48 GB $0.49 Büyük modeller RTX PRO 4000 Blackwell 24 GB $0.57 Ekonomik Blackwell RTX PRO 4500 Blackwell 32 GB $0.64 Fiyat/performans açısından çok iyi RTX 4090 Ada 24 GB $0.69 En iyi fiyat/performans RTX 6000 Ada Ada 48 GB $0.77 Büyük toplu işlerle eğitim L40S Ada 48 GB $0.86 Büyük toplu işlerle eğitim RTX PRO 5000 Blackwell 48 GB $0.96 Büyük toplu işlerle eğitim 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 $2.09 Önerilen varsayılan seçenek H100 PCIe Hopper 80 GB $2.89 Yüksek performanslı eğitim H100 NVL Hopper 94 GB $3.19 Maksimum performans H100 SXM Hopper 80 GB $3.29 En hızlı eğitim H200 NVL Hopper 143 GB $3.39 Maksimum bellek H200 SXM Hopper 141 GB $4.39 Maksimum performans B200 Blackwell 180 GB $5.89 Büyük modeller (Pro+) B300 Blackwell 288 GB $7.39 En büyük modeller (Pro+) Eksiksiz fiyatlandırma ve GPU seçenekleri için Bulut Eğitimi sayfasına göz at.
Modelleri kendi donanımında eğitebilir ve gerçek zamanlı metrikleri Ultralytics Platform'a aktarabilirsin.
Paket Sürümü GereksinimiPlatform entegrasyonu için Python>=3.11 ve ultralytics>=8.4.120 gerekir. Daha düşük sürümler Platform ile KESİNLİKLE çalışmaz.
pip install "ultralytics>=8.4.120"# 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 bilgi için Bulut Eğitimi sayfasına göz at.
Platform, aşağıdakileri destekleyen kapsamlı bir etiketleme düzenleyicisi içerir:
- Manuel Araçlar: Sınırlayıcı kutular, çokgenler, iskelet şablonlarıyla kilit noktalar, yönlendirilmiş kutular, sınıflandırma
- İskelet Şablonları: Yerleşik (Person, Hand, Dog, Face, Box) veya özel şablonlarla tüm kilit noktaları tek seferde yerleştir
- Akıllı Etiketleme: Tespit, segmentasyon, anlamsal ve OBB veri kümelerinde tıklamayla etiketleme yapmak için SAM 2.1, SAM 3 veya SAM 3.1 (varsayılan) kullan; bu görevler ve poz için araç çubuğundan önceden eğitilmiş Ultralytics YOLO modellerini ve kendi ince ayar yapılmış YOLO modellerini çalıştır ya da 1–200 sınıflı tespit veri kümelerinde sınıf istemli modeller çalıştır: altı barındırılan açık kaynaklı model (varsayılan olarak Moondream 3.1), barındırılan metin istemli SAM 3 ve SAM 3.1 veya Settings > API Keys bölümündeki sağlayıcı anahtarıyla OpenAI, Anthropic, Google, Meta, SpaceXAI, DeepSeek, Z.ai, Kimi ve Xiaomi MiMo'nun ücretli görüntü modelleri
- Klavye Kısayolları: Düzenleyicinin kısayol açılır penceresinde listelenen kısayol tuşlarıyla verimli iş akışları
Kısayol İşlem VManuel (çizim) modu SAkıllı mod (SAM, YOLO veya sınıf istemli model) PTahmin et (Akıllı modda) AOtomatik uygulamayı aç/kapat (SAM Akıllı modu) 1-9Numarayla sınıf seç HEtiket görünürlüğünü aç/kapat Space+ sürükle veya orta tuşla sürükleTuvali kaydır Delete/BackspaceSeçili etiketi sil Ctrl+SEtiketleri kaydet Ctrl+ZGeri al Ctrl+YYinele EscapeKaydet / seçimi kaldır / çık Eksiksiz kılavuz için Etiketleme sayfasına göz at.
Platform, Ultralytics Dışa Aktar modu ile aynı 22 dağıtım biçimini destekler. Kaynak biçim PyTorch'tur;
formatbağımsız değişkeni içeren her satır bir dışa aktarma hedefidir.Biçim formatbağımsız değişkeniModel Üst veriler Bağımsız değişkenler PyTorch - yolo26n.pt✅ - TorchScript torchscriptyolo26n.torchscript✅ imgsz,quantize,dynamic,nms,batch,deviceONNX onnxyolo26n.onnx✅ imgsz,quantize,dynamic,simplify,opset,nms,batch,data,fraction,deviceOpenVINO openvinoyolo26n_openvino_model/✅ imgsz,quantize,dynamic,nms,batch,data,fraction,deviceTensorRT engineyolo26n.engine✅ imgsz,quantize,dynamic,simplify,opset,workspace,nms,batch,data,fraction,deviceCoreML coremlyolo26n.mlpackage✅ imgsz,dynamic,quantize,nms,batch,deviceApple Core AI coreaiyolo26n.aimodel✅ imgsz,batch,quantizeTF SavedModel saved_modelyolo26n_saved_model/✅ imgsz,quantize,opset,nms,batch,data,fraction,deviceTF GraphDef pbyolo26n.pb❌ imgsz,opset,batch,deviceTF Edge TPU edgetpuyolo26n_edgetpu.tflite✅ imgsz,quantize,opset,data,fraction,deviceLiteRT litertyolo26n.tflite✅ imgsz,quantize,batch,data,fraction,devicePaddlePaddle paddleyolo26n_paddle_model/✅ imgsz,batch,deviceMNN mnnyolo26n.mnn✅ imgsz,batch,dynamic,quantize,simplify,opset,nms,deviceNCNN ncnnyolo26n_ncnn_model/✅ imgsz,quantize,batch,deviceIMX500 imxyolo26n_imx_model/✅ imgsz,quantize,data,fraction,nms,deviceRKNN rknnyolo26n_rknn_model/✅ imgsz,batch,name,quantize,simplify,opset,data,fraction,deviceExecuTorch executorchyolo26n_executorch_model/✅ imgsz,batch,deviceAxelera axelerayolo26n_axelera_model/✅ imgsz,batch,quantize,data,fraction,deviceDEEPX deepxyolo26n_deepx_model/✅ imgsz,quantize,simplify,opset,data,optimize,deviceQualcomm QNN qnnyolo26n_qnn.onnx✅ imgsz,batch,name,quantize,simplify,opset,data,fraction,deviceHailo hailoyolo26n_hailo_model/✅ imgsz,name,quantize,data,fraction,simplify,conf,iou,deviceHuawei Ascend ascendyolo26n_ascend_model/✅ imgsz,batch,name,quantize,opset,simplify,nms,deviceAMD Xilinx xilinxyolo26n_xilinx_model/✅ imgsz,name,quantize,data,fraction,opset,simplify,devicenms=None, harici NMS için varsayılan olarak ham çıktılar üretir. Kullanılabilir bir NMS içermeyen başlık seçmek içinnms=Falsedeğerini ayarla; desteklenmeyen biçimler yerel çıktı yoluna döner. Yukarıdakinmsgirdileri,nms=Trueile NMS içerebilen biçimleri tanımlar.Biçime özgü seçenekler için Modelleri Dışa Aktarma, Dışa Aktarma modu kılavuzu ve Entegrasyonlar dizini sayfalarına göz at.