Ultralytics Platform Hızlı Başlangıç

Ultralytics Platform, kullanıcı dostu ve sezgisel olacak şekilde tasarlanmıştır; kullanıcıların veri kümelerini hızlı bir şekilde yüklemelerine ve yeni YOLO modelleri eğitmelerine olanak tanır. Seçebileceğin çeşitli önceden eğitilmiş modeller sunarak kullanıcıların işe başlamasını kolaylaştırır. Bir model eğitildiğinde, doğrudan tarayıcı içinde test edilebilir ve tek bir tıklamayla üretime alınabilir.

Aşağıdaki etkileşimli şema, Ultralytics Platform iş akışının dört temel aşamasını özetlemektedir. Bu bölümle ilgili ayrıntılı talimatlara erişmek için herhangi bir aşamaya veya alt adıma tıkla.

graph LR
    A(Sign Up) --> B(Prepare Data) --> C(Train) --> D(Deploy)
    A -.- A1["<a href='#get-started'>Create account</a><br/><a href='#region-selection'>Select region</a>"]
    B -.- B1["<a href='#upload-your-first-dataset'>Upload dataset</a><br/><a href='#create-your-first-project'>Create Project</a>"]
    C -.- C1["<a href='#training-configuration'>Configure training</a><br/><a href='#monitor-training'>Monitor progress</a>"]
    D -.- D1["<a href='#test-your-model'>Test model</a><br/><a href='#deploy-to-production'>Deploy endpoint</a>"]

    click A "#get-started"
    click B "#upload-your-first-dataset"
    click C "#train-your-first-model"
    click D "#deploy-to-production"

Başlarken

Ultralytics Platform çeşitli kolay kaydolma seçenekleri sunar. Google veya GitHub hesaplarını kullanarak ya da e-posta adresinle kayıt olup giriş yapabilirsin.

Bölge Seçimi

İşe alım (onboarding) sürecinde veri bölgeni seçmen istenir. Platform, her bölgeye olan gecikme süresini otomatik olarak ölçer ve en yakın olanı önerir. Bu, verilerinin, modellerinin ve dağıtımlarının nerede saklanacağını belirlediği için önemli bir seçimdir.

Ücretsiz Krediler

Her yeni hesap, bulut GPU eğitimi için ücretsiz krediler alır:

Profilini Tamamla

İşe alım süreci seni üç adımda yönlendirir:

1. Profil - Görünen adını, benzersiz kullanıcı adını (kalıcıdır, daha sonra değiştirilemez), organizasyonunu (isteğe bağlı) ve birincil kullanım amacını gir
2. Veri Bölgesi - Gecikme süresini gösteren görsel bir dünya haritası ile ABD, AB veya AP bölgelerinden birini seç
3. Tamamla - Seçimlerini gözden geçir, istersen bir promosyon kodu uygula ve hoş geldin kredilerini talep etmek için kaydını bitir

Ana Gösterge Paneli

Giriş yaptıktan sonra, çalışma alanı istatistiklerini içeren bir karşılama kartı, veri kümelerine, projelere ve depolama alanına hızlı erişim ve son etkinlik akışı sağlayan Ultralytics Platform Ana sayfasına yönlendirileceksin.

Kenar Çubuğu Navigasyonu

Kenar çubuğu tüm Platform bölümlerine erişim sağlar:

Karşılama Kartı

Karşılama kartı; profilini, plan rozetini ve çalışma alanı istatistiklerini bir bakışta gösterir:

Hızlı Eylemler

Karşılama kartının altında, gösterge paneli üç kart gösterir:

• Veri Kümeleri: Yeni bir veri kümesi oluştur veya yüklemek için görüntüleri, videoları veya veri kümesi dosyalarını sürükleyip bırak. Son veri kümelerini gösterir.
• Projeler: Yeni bir proje oluştur veya yüklemek için .pt model dosyalarını sürükleyip bırak. Son projelerini gösterir.
• Depolama: Plan sınırlarınla birlikte depolama kullanımına (veri kümeleri, modeller, dışa aktarımlar) genel bir bakış.

En alttaki Son Etkinlik tablosu, en son veri kümelerini, modellerini ve eğitim çalışmalarını gösterir.

Küresel Arama

Arama çubuğunu açmak için Cmd+K (Mac) veya Ctrl+K (Windows/Linux) tuşlarına bas. Sayfalar, projeler, veri kümeleri ve dağıtımlar arasında anında arama yap.

Yapay Zeka Sohbet Asistanı

Her sayfada yüzen bir sohbet widget'ı mevcuttur. YOLO eğitimi, etiketleme, dağıtım veya herhangi bir Platform özelliği hakkında soru sormak için buna tıkla. Asistan, mevcut sayfaya dayalı olarak bağlama duyarlı yardım sağlar.

İşe Alım Turları

Platform, farklı bölümleri keşfederken temel özellikleri tanıtan rehberli turlar içerir:

Turları Yeniden Başlat

Herhangi bir turu tekrar oynatmak için:

• Turu Yeniden Yap düğmesi — Kullanıcı menüsünü açmak için profil avatarına (kenar çubuğunun sol alt kısmı) tıkla, ardından Turu Yeniden Yap seçeneğini seç. Bu işlem tüm turları sıfırlar, böylece her bölüme bir sonraki ziyaretinde tekrar oynatılırlar.
• URL parametresi — Gezinme Turu'nu doğrudan yeniden başlatmak için platform.ultralytics.com/home?tour=nav adresine git.

İlk Veri Kümeni Yükle

Kenar çubuğundaki Annotate kısmına git ve eğitim verilerini eklemek için New Dataset düğmesine tıkla. Ayrıca dosyaları doğrudan Ana kontrol panelindeki Veri Kümeleri kartına sürükleyip bırakabilirsin.

Ultralytics Platform birden fazla yükleme biçimini destekler (ayrıntılar için bkz. Datasets):

graph LR
    A[Drop Files] --> B[Auto-Package ZIP]
    B --> C[Upload to Storage]
    C --> D[Backend Worker]
    D --> E[Resize & Thumbnail]
    E --> F[Parse Labels]
    F --> G[Compute Statistics]
    G --> H[Dataset Ready]

Yüklemeden sonra platform verilerini otomatik olarak işler:

1. 4096 pikselden büyük görüntüler yeniden boyutlandırılır (en-boy oranı korunarak)
2. Hızlı göz atma için 256 piksel küçük resimler oluşturulur
3. Etiketler ayrıştırılır ve doğrulanır (YOLO .txt biçimi)
4. İstatistikler hesaplanır (sınıf dağılımı, ısı haritaları, boyutlar)

my-dataset.zip
├── data.yaml          # Class names and splits
├── train/
│   ├── images/
│   │   ├── img001.jpg
│   │   └── img002.jpg
│   └── labels/
│       ├── img001.txt
│       └── img002.txt
└── val/
    ├── images/
    └── labels/

datasets hakkında daha fazla bilgi edin ve detect, segment, pose, OBB ve classify için desteklenen biçimleri incele.

İlk Projeni Oluştur

Projeler, ilgili modelleri ve deneyleri düzenlemene yardımcı olur. Projects kısmına git ve "Create Project" düğmesine tıkla.

Projen için bir ad ve isteğe bağlı bir açıklama gir. Projeler şunları içerir:

• Modeller: Eğitilmiş kontrol noktaları
• Etkinlik Günlüğü: Değişiklik geçmişi

projects hakkında daha fazla bilgi edin.

İlk Modelini Eğit

Projenin içinden, bulut eğitimini başlatmak için Train Model düğmesine tıkla.

Eğitim Yapılandırması

1. Veri Kümesi Seç: Yüklediğin veri kümelerinden birini seç (yalnızca train bölümü olan veri kümeleri gösterilir)
2. Model Seç: Bir temel model seç - resmi Ultralytics modelleri veya kendi eğittiğin modeller
3. Dönem Sayısını Ayarla: Eğitim yineleme sayısı (varsayılan: 100)
4. GPU Seç: Bütçene ve model boyutuna göre bilgi işlem kaynaklarını belirle. Varsayılan, tüm YOLO26 varyantlarını işleyebilen RTX PRO 6000'dir (96 GB Blackwell, $1.89/saat). Listenin tamamı ve kademe sınırlamaları için GPU fiyatlandırma tablosuna veya Bulut Eğitimi GPU adımı sayfasına göz at.

Eğitimi İzle

Eğitim başladığında, ilerlemeyi üç alt sekme üzerinden gerçek zamanlı olarak izleyebilirsin:

Ölçümler SSE (Server-Sent Events) aracılığıyla gerçek zamanlı olarak iletilir. Eğitim tamamlandıktan sonra, karmaşıklık matrisi, PR eğrileri ve F1 eğrileri dahil olmak üzere doğrulama grafikleri oluşturulur.

cloud training hakkında daha fazla bilgi edin.

Modelini Test Et

Eğitim tamamlandıktan sonra modelini doğrudan tarayıcıda test et:

1. Modelinin Predict sekmesine git
2. Bir görüntü yükle, sürükleyip bırak veya örnek görüntüleri kullan (bıraktığında otomatik çıkarım yapılır)
3. Tuval üzerine çizilmiş sınırlayıcı kutularla çıkarım sonuçlarını görüntüle

Çıkarım parametrelerini ayarla:

Predict sekmesi, gerçek API anahtarın önceden doldurulmuş şekilde kullanıma hazır kod örnekleri sağlar:

import requests

url = "https://platform.ultralytics.com/api/models/{model_id}/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())

inference hakkında daha fazla bilgi edin.

Üretime Al

Modelini üretim kullanımı için özel bir uç noktaya dağıt:

1. Modelinin Deploy sekmesine git
2. Etkileşimli dünya haritasından bir bölge seç (43 kullanılabilir bölge)
3. Harita, trafik ışığı renkleriyle gerçek zamanlı gecikme ölçümlerini gösterir (yeşil < 100ms, sarı < 200ms, kırmızı > 200ms)
4. Uç noktanı oluşturmak için Deploy düğmesine tıkla

graph LR
    A[Select Region] --> B[Deploy]
    B --> C[Provisioning ~1 min]
    C --> D[Running]
    D --> E{Lifecycle}
    E --> F[Stop]
    E --> G[Delete]
    F --> H[Resume]
    H --> D

Uç noktan yaklaşık bir dakika içinde şunlarla hazır olacak:

• Benzersiz URL: API çağrıları için HTTPS uç noktası
• Sıfıra ölçeklendirme davranışı: Boşta bilgi işlem maliyeti yoktur (dağıtımlar şu anda tek bir aktif örnek çalıştırır)
• İzleme: İstek ölçümleri ve günlükler

Dağıtımdan sonra, tüm uç noktalarını kenar çubuğundaki Deploy bölümünden yönetebilirsin. Bu bölüm aktif dağıtımları içeren küresel bir harita, genel ölçümler ve tüm uç noktaların bir listesini gösterir.

endpoints hakkında daha fazla bilgi edin.

Uzaktan Eğitim (İsteğe Bağlı)

Eğer kendi donanımın üzerinde eğitim yapmayı tercih ediyorsan, API anahtarını kullanarak ölçümleri platforma aktarabilirsin. Bu, Weights & Biases gibi çalışır; her yerde eğit, platformda izle.

1. Settings > API Keys kısmından bir API anahtarı oluştur.
2. Ortam değişkenini ayarla ve project/name formatıyla eğitim başlat:

export ULTRALYTICS_API_KEY="YOUR_API_KEY"

yolo train model=yolo26n.pt data=coco.yaml epochs=100 project=username/my-project name=exp1

API anahtarları, veri kümesi URI'leri ve bulut eğitimi hakkında daha fazla bilgi edin.

Geri Bildirim & Yardım

Kenar çubuğu alt bilgisindeki Yardım sayfası, uygulama içi bir geri bildirim formu içerir. Deneyimini değerlendirebilir, bir geri bildirim türü (hata, özellik talebi veya genel) seçebilir ve ekran görüntüleri ekleyebilirsin.

Daha fazla yardıma ihtiyacın olursa:

• AI Chat: Anında yardım almak için herhangi bir sayfadaki yüzen sohbet penceresine tıkla
• Dokümantasyon: veri kümeleri, etiketleme, eğitim, dağıtım ve faturalandırma konularındaki ayrıntılı rehberler için bu dokümanlara göz at
• Discord: Tartışmalara katılmak için Discord topluluğumuza dahil ol
• GitHub: Sorunları GitHub üzerinden bildir
• REST API: Tüm Platform özelliklerine programatik erişim için API referansına bak veya etkileşimli API dokümanlarını dene