YOLO Vision 2026:

On Premise#

On Premise, Enterprise çalışma alanının Linux, macOS veya Windows bilgisayardaki veri kümelerini ve hesaplama kaynaklarını kullanmasını sağlar. Kaynak görüntüler ve videolar bilgisayarında kalır. Eğitim, diğer tüm uzaktan eğitim konumlarında olduğu gibi çalışır: metrikler Platform'a aktarılır ve tamamlanan model ağırlıkları indirme, tahmin, dışa aktarma ve dağıtım için yüklenir.

Kurulum tek bir komutla tamamlanır. Platform işletim sistemini algılar, uygun klasör konumlarını doldurur, gerekirse Docker'ı yükler ve canlı bağlantı ilerlemesini gösterir.

Nasıl Çalışır?#

flowchart LR
    A[Your browser] <-->|Interface, labels, and progress| B[Ultralytics Platform]
    A <-->|Dataset previews| C[Your On Premise computer]
    B <-->|Jobs, metrics, and model weights| C
    C --- D[(Dataset folder)]
    C --- E[(Models folder)]

Veri Sınırları#

VeriOn Premise bilgisayarınPlatform ve bulut hizmetleri
Kaynak ve türetilmiş veri kümesi pikselleriAlma, önizleme ve eğitim sırasında yerel kalırAsla depolanmaz, günlüğe kaydedilmez veya işlenmez
Sınıflar, etiketler ve açıklamalarKaynak etiketler alma sırasında okunurPlatform'da açıklama ekleyebilmen için kanonik veri kümesi meta verileri olarak depolanır
Eğitim modelleriÇalıştırma, en iyi kontrol noktası ve diğer eğitim yapıtları modeller klasörüne yazılırEn iyi kontrol noktası indirme, tahmin, dışa aktarma ve dağıtım için yüklenir; diğer yapıtlar bilgisayarında kalır

Model ağırlıkları, etiketler, açıklamalar ve metrikler görüntülerinden öğrenilen bilgileri kodlayabilir. Kesin olarak yalnızca veri kümesi pikselleri yerel sınır içinde kalır. Bulut tahmini yalnızca ayrıca ilgili bulut iş akışına gönderdiğin görüntüleri işler; çalışan, bağlı veri kümesinden hiçbir görüntüyü iletmez.

Başlamadan Önce#

Veri kümelerine erişebilen ve Platform bunları kullanırken açık kalabilen bir bilgisayar seç:

MinimumÖnerilen
İşletim sistemi64 bit Linux, Apple silicon macOS veya WSL 2 ile x86-64 WindowsGüncel işletim sistemi ve Docker sürümleri
CPU4 çekirdekCPU eğitimi için 8 veya daha fazla çekirdek
Bellek8 GB RAM16 GB veya daha fazla
Depolama20 GB boş alan; ayrıca veri kümelerin ve modellerin için yerÇalışma veri kümesi boyutunun en az iki katı boş alana sahip SSD
Ultralytics Platform'a ve Docker kapsayıcı kayıtlarına giden HTTPS bağlantısıİlk kapsayıcı görüntüsü indirmesi için kararlı geniş bant bağlantısı

GPU isteğe bağlıdır. Her bilgisayar veri kümelerini alabilir ve modelleri CPU'sunda eğitebilir. Uyumlu bir NVIDIA GPU, daha büyük eğitim işlerini hızlandırabilir.

Kurumsal ağlar

Şirketin giden trafiği kısıtlıyorsa kurulumdan önce Ultralytics Platform'a, Docker kayıtlarına ve Python paket indirmelerine HTTPS erişimine izin ver. Çalışan her zaman Platform'a dışarıdan bağlanır; bu nedenle ağına gelen erişim gerekmez.

Bilgisayarını Bağla#

  1. Veri kümelerine erişebilen bilgisayarda Ultralytics Platform'u aç.
  2. Settings > Integrations adresine git ve entegrasyon listesinden On Premise'i seç.
  3. Önceden doldurulmuş Bu makinedeki veri kümesi klasörü ve Bu makinedeki modeller klasörü yollarını incele.
  4. Kurulum komutu oluştur'u seç.
  5. İletişim kutusunda belirtilen terminali aç, komutu kopyalayıp yapıştır ve Enter'a bas.
  6. İlerleme göstergesinde Bağlandı görünene kadar Entegrasyonlar sayfasını açık tut.

Ultralytics Platform On Premise Entegrasyon Kurulumu

Sayfa altı kurulum adımını canlı olarak izler — komutun çalıştırılması, çalışan dosyalarının indirilmesi, Docker görüntüsünün indirilmesi, çalışanın oluşturulması, başlatılması ve bağlantının onaylanması — böylece terminali okumadan ilerlemeyi takip edebilirsin. Bir ana bilgisayarı bağlamak için çalışma alanı düzenleyicisi rolü ve etkin bir Enterprise planı gerekir; başka bir plandaki çalışma alanlarında kurulum komutu yerine yönlendirmeli bir On Premise tanıtımı isteyen Devam et düğmesi görünür.

Platform, komutu kopyalamadan önce klasörleri ve tek kullanımlık bağlantı belirtecini doldurur. Oluşturulan komut aşağıdaki biçimi izler:

Terminal'i aç ve şunu yapıştır:

curl -fsSL 'https://platform.ultralytics.com/api/workers/install?os=linux' \
  | sudo sh -s -- \
    "/datasets" \
    "/models" \
    "YOUR_CONNECTION_TOKEN"
Komutunu Platform'dan kopyala

Platform bağlantı belirtecini otomatik olarak ekler. Bu belirteç, bu bilgisayarın çalışma alanına bağlanmasına izin verildiğini kanıtlar, 10 dakika sonra sona erer ve bir kez çalışır. Belirteci ayrıca girmen gerekmez. Oluşturulan komut geçerliyken paylaşma.

Varsayılanlar düzenleme yapılmadan çalışır:

LinuxmacOS ve Windows
Veri kümesi klasörü/datasets~/Ultralytics/datasets
Modeller klasörü/models~/Ultralytics/models

Kurulum komutu bu klasörleri oluşturur, gerektiğinde Docker'ı yükleyip başlatır ve bağlantının bilgisayarınla birlikte yeniden başlamasını yapılandırır. Kurulum tamamlanmadan önce işletim sistemin yüklemeyi veya yeniden başlatmayı onaylamanı isteyebilir.

Docker Temel Görüntüleri#

Yükleyici bir kapsayıcı çalıştırır ve ana bilgisayar için resmî Ultralytics temel görüntüsünü seçer:

Ana bilgisayarTemel görüntü deseni
Apple silicon veya ARM64 Linuxultralytics/ultralytics:<version>-arm64
x86-64 CPUultralytics/ultralytics:<version>-cpu
Desteklenen NVIDIA GPU'ya sahip x86-64ultralytics/ultralytics:<version>

Yükleyici, ana bilgisayar için sürümü sabitlenmiş resmî bir görüntü seçer. Çalışan, Ultralytics'ı yeniden yüklemeden bağlantı bağımlılıklarını ekler. Kurulum sırasında CUDA'yı algıladığından NVIDIA kullanan bir ana bilgisayar ayrı CPU ve GPU çalışanları yerine tek bir kapsayıcı çalıştırır. En iyi kontrol noktası yüklendikten sonra model tahmini ve dışa aktarma işlemlerini Platform'un bulut hizmetleri yürütür.

GPU erişimi için CDI kullan

CPU kurulumu, yönlendirmeli kurulumun ötesinde hiçbir şey gerektirmez. Linux'ta NVIDIA GPU hızlandırması için Docker >= 28.2 ve NVIDIA Container Toolkit >= 1.18 gerekir. Platform, Linux, macOS ve Windows'ta desteklenen GPU yolunu otomatik olarak algılar; kurulum ayrıntıları için Docker Hızlı Başlangıç Kılavuzu'na bak.

Veri Kümesi Ekle#

  1. Veri kümeni yapılandırılmış veri kümesi klasörünün içine yerleştir.
  2. Platform'da Yeni Veri Kümesi > On Premise'i seç.
  3. Bağlı bilgisayarı seç.
  4. Veri kümesi klasörüne göz at, görevi seç ve Oluştur'u seç.

Platform veri kümesini yerel olarak indeksler ve onu yüklenen ve bulut depolama veri kümeleri için kullanılan galerinin aynısında açar. Pikselleri yüklemeden görüntüleri önizleyebilir, etiketleri inceleyebilir, veri kümesini filtreleyebilir ve açıklama ekleyebilirsin.

Desteklenen Veriler#

On Premise, yüklenen verilerle aynı alma biçimlerini ve bilgisayarlı görü görevlerini destekler:

  • Görüntüler ve videolar
  • ZIP, TAR, TAR.GZ ve TGZ arşivleri
  • Ultralytics NDJSON ve COCO JSON
  • YOLO veri kümeleri ve sınıflandırma klasörleri
  • Algılama, segmentasyon, anlamsal, sınıflandırma, poz ve yönlendirilmiş sınırlayıcı kutu (OBB) görevleri

Platform yaygın veri kümesi düzenlerini, sınıfları, etiketleri ve eğitim/doğrulama/test bölümlerini otomatik olarak tanır. Veri kümesi klasörü salt okunur olarak bağlanır; bu nedenle Platform kaynak dosyalarını asla yeniden boyutlandırmaz, yeniden kodlamaz, düzenlemez veya silmez. Alma sırasında türetilen her şey — çıkarılan arşivler, indirilen NDJSON varlıkları ve video kareleri — aynı bilgisayardaki özel bir Docker birimine yazılır.

Önizleme ve Açıklama Ekleme#

Bir görüntüyü açtığında tarayıcın görüntüyü doğrudan bağlı bilgisayardan yükler. Sertifika, ana bilgisayar adı, VPN veya önizleme yapılandırması gerekmez.

Açıklamalar ve veri kümesi düzeni Platform çalışma alanına kaydedilir; ancak Platform'daki düzenlemeler kaynak görüntü veya etiket dosyalarını asla değiştirmez.

Model Eğit#

Normal Platform eğitim iletişim kutusunu kullanarak eğitimi başlat:

  1. Bir proje aç ve Yeni Model'i seç.
  2. On Premise veri kümesini seç.
  3. Bir model ve eğitim ayarları seç.
  4. Eğitimi başlat.

Platform işi bağlı bilgisayarda çalıştırır. Kullanılabilir bir NVIDIA GPU kullanır veya otomatik olarak CPU'ya geçer; böylece bir Mac, özel GPU donanımı olmadan COCO8 üzerinde YOLO26n gibi küçük bir modeli eğitebilir.

Eğitim dosyaları çalıştırma etkin olduğu sürece yapılandırılmış modeller klasörüne yazılır. Ultralytics paketi, müşteri tarafından yönetilen diğer makinelerle aynı uzaktan eğitim geri çağırmalarını kullanır: ilerleme ve metrikler Platform'a aktarılır, en iyi kontrol noktası Platform depolamasına yüklenir ve tamamlanan model mevcut indirme, tahmin, dışa aktarma ve dağıtım yollarıyla çalışır. Diğer eğitim yapıtları modeller klasöründe kalır. On Premise eğitimi Platform hesaplama kredilerini kullanmaz ve Platform eğitim işini hiçbir zaman bulut hesaplama kaynaklarına göndermez.

Bağlantıyı Yönet#

Bağlı her bilgisayarı, ana bilgisayar adını ve donanımını ve CPU ile GPU'sunun o anda çevrim içi olup olmadığını görmek için Settings > Integrations adresini aç. Ana bilgisayar sürekli durum bildirir; bu nedenle kapatılan veya bağlantısını kaybeden bir bilgisayar çevrim dışı görünür ve veri kümeleri bulut hesaplama kaynaklarına geçmek yerine geçici olarak kullanılamaz olur.

Yeniden bağlan, daha önce bağlantısını kestiğin bir ana bilgisayar için yeni bir kurulum komutu verir. Aynı ana bilgisayar kaydını yeniden kullanır; böylece mevcut veri kümeleri yeniden içe aktarılmadan çalışmaya devam eder.

Bağlantıyı kes, ana bilgisayarın erişimini hemen iptal eder. Buna bağlı kuyruğa alınmış, başlatılan ve çalışan işler (devam eden eğitim dahil) iptal edilir ve hâlâ içe aktarılmakta olan bir veri kümesi On Premise host disconnected during ingest. ile başarısız olur. İçe aktarmayı tamamlayan veri kümeleri sınıflarını, etiketlerini ve açıklamalarını korur; ancak yeniden bağlanana kadar önizlenemez veya üzerinde eğitim yapılamaz. Bilgisayardaki hiçbir şey silinmez ve Platform'a daha önce yüklenen modeller kullanılabilir durumda kalır.

Mevcut Sınırlamalar#

  • Yeniden tarama yok. Bir veri kümesi oluşturduğunda bir kez indekslenir. Kaynak dosyalar bundan sonra değişirse Platform bunu fark etmez — değişiklikleri almak için yeni bir veri kümesi oluştur.
  • Platform kopyası özellikleri kullanılamaz. On Premise veri kümelerinde, görüntülerinin Platform'a ait kopyalarını gerektiren özellikler bulunmaz: otomatik açıklama ekleme, kümeleme analizi, veri kümesi klonlama ve değişmez sürüm anlık görüntüleri.
  • Eğitim taşınmaz. Çalışan işlemi eğitim sırasında durursa çalışma başka bir yerde yeniden başlatılmak yerine başarısız olur.
  • Model dosyaları ana bilgisayarda kalır. Platform'da bir modeli silmek veya çöp kutusuna taşımak, onu Platform'dan kaldırır; modeller klasöründen kaldırmaz — bir çalıştırmaya artık gerek kalmadığında bu klasörü kendin temizle.

Bir On Premise veri kümesini veya içindeki tek tek görüntüleri silmek yalnızca Platform'un başvurularını ve açıklamalarını kaldırır. Dosyalarına asla dokunulmaz.

Kurulum Tamamlanmazsa#

  • Docker izin istiyor: İstemi onayla ve Docker'ın başlamasını bekle. Kurulum otomatik olarak devam eder.
  • Windows yeniden başlatma istiyor: Bilgisayarı yeniden başlat, Settings > Integrations konumuna geri dön ve yeni bir kurulum komutu oluştur.
  • Kurulum komutunun süresi doldu: Yeni bir kurulum komutu oluştur. Her komut geçicidir ve bir kez çalışır.
  • Bağlantı çevrimdışı kalıyor: Docker Desktop'ı aç, yeni oluşturulmuş bir komutu yeniden çalıştır ve On Premise'ın çalıştığını bildirene kadar terminali açık tut.
  • Önizlemeler yüklenmiyor: Bağlı bilgisayarda bir tarayıcıda Platform'u aç. Veri kümesi önizlemeleri doğrudan bu bilgisayardan gelir.
  • Worker günlüklerine ihtiyacın var: Yükleyici, Linux'ta /opt/ultralytics-worker konumuna, macOS ve Windows'ta ise ~/.ultralytics/worker konumuna yazar. Worker'ı takip etmek için bu klasörden docker compose logs -f komutunu çalıştır.

Ayrıca Veri Kümeleri, Anotasyon ve Eğitim sayfalarına da bak.

SSS#

  • Veri kümesi pikselleri hiçbir zaman çıkmaz. Veri kümesi pikselleri içe aktarma, ön izleme ve eğitim için yerel olarak okunur. Sınıflar, etiketler, açıklamalar, eğitim metrikleri ve en iyi kontrol noktası, açıklama ekleyebilmen, indirebilmen, tahmin yürütebilmen, dışarı aktarabilmen ve dağıtabilmen için Platform'da saklanır. Veri Sınırları sayfasına göz at.

  • Hayır. Her sunucu veri kümelerini içe aktarabilir ve CPU'su üzerinde eğitim yapabilir; Linux üzerindeki uyumlu bir NVIDIA GPU ise daha büyük işleri otomatik olarak hızlandırır. Şirket İçi (On Premise) eğitimi, Platform işlem kredilerini kullanmaz.

  • Sunucunun veri kümeleri geçici olarak kullanılamaz hale gelir ve çalışan işler bulut bilişime taşınmak yerine başarısız olur. İçe aktarımı tamamlanan veri kümeleri sınıflarını, etiketlerini ve açıklamalarını korur ve sunucu yeniden bağlandığında tekrar çalışır.

  • Bir veri kümesi oluşturulduğunda bir kez dizine eklenir ve yeniden taranmaz. Değişiklikleri yansıtmak için güncellenen klasörden yeni bir veri kümesi oluştur.

  • Yükleyici, Linux üzerinde /opt/ultralytics-worker konumuna ve macOS ile Windows üzerinde ~/.ultralytics/worker konumuna yazar. Bu klasörden docker compose logs -f komutunu çalıştır.

Katkıda Bulunanlar

Yorumlar