Ultralytics Platform Hızlı Başlangıç#

Ultralytics Platform, veri setleri yüklemek, önceden eğitilmiş ağırlıklardan yeni YOLO modelleri eğitmek, tarayıcıda tamamlanan modelleri test etmek ve özel çıkarım uç noktaları yapılandırmak için rehberli bir iş akışı sağlar.

Aşağıdaki etkileşimli diyagram, Ultralytics Platform iş akışının dört ana aşamasını özetlemektedir. İlgili bölüm için ayrıntılı talimatlara erişmek üzere herhangi bir aşamaya veya alt adıma tıkla.

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

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

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef out fill:#9C27B0,color:#fff

Başlarken#

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

Bölge Seçimi#

İlk kurulum sırasında veri bölgenizi seçmeniz istenecektir. Platform, her bölgeye olan gecikmeyi otomatik olarak ölçer ve en yakın olanı önerir. Bu seçim; veri setlerinizin, modellerinizin ve yönetilen eğitim verilerinizin nerede saklanacağını belirler. Adanmış uç nokta bölgeleri, bir model dağıttığınızda ayrı olarak seçilir.

Ücretsiz Krediler#

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

Profilini Tamamla#

Kullanıma alım akışı seni üç adımda yönlendirir:

1. Profil - Görünen adını, benzersiz kullanıcı adını (kalıcıdır, daha sonra değiştirilemez), kurumunu (isteğe bağlı) ve birincil kullanım amacını gir
2. Veri Bölgesi - Gecikme süresini gösteren görsel bir dünya haritası ile US, EU veya AP seç
3. Tamamla - Seçimlerini gözden geçir, isteğe bağlı olarak bir promosyon kodu uygula ve hoş geldin kredilerini almak için kaydı bitir

Ana Panel#

Oturum açtıktan sonra, çalışma alanı istatistiklerini içeren bir hoş geldin kartı, bir tanıtım videosu, veri setlerine, projelere ve depolamaya hızlı erişim ve son etkinlik akışını sunan Ultralytics Platform Ana sayfasına yönlendirileceksin.

Kenar Çubuğu Gezinmesi#

Kenar çubuğu, tüm Platform bölümlerine erişim sağlar:

Her içerik bölümü, geri kalanına giden bir bağlantıyla birlikte en son beş öğeni listeler. Bir öğenin üzerine gelmek, onu Çöp Kutusu'ne taşıyan bir silme eylemini ortaya çıkarır; Çöp Kutusu'nun kendisine arama (Cmd+K) üzerinden veya platform.ultralytics.com/trash açılarak erişilir.

Hoş Geldin Kartı#

Hoş geldin kartı bir bakışta profilini, plan rozetini (plan karşılaştırmasına bağlanır) ve çalışma alanı istatistiklerini gösterir. Her istatistik, eşleşen çalışma alanı görünümüne bağlanır:

Hızlı Eylemler#

Hoş geldin kartının altında, panel üç kart gösterir:

• Veri Setleri: Yeni bir veri seti oluştur veya yüklemek için görüntü, video veya veri seti dosyalarını sürükle. Son veri setlerini gösterir.
• Projects: Yeni bir proje oluştur veya yüklemek için .pt model dosyalarını bırak. Son projelerini gösterir.
• Depolama: Plan limitlerinle birlikte depolama kullanımına (veri setleri, modeller, dışa aktarımlar) genel bakış.

Alt kısımda yer alan bir Son Etkinlik tablosu, en son veri setlerini, projelerini ve dağıtımlarını durumları ve son güncelleme zamanlarıyla birlikte gösterir.

Küresel Arama#

Arama çubuğunu açmak için Cmd+K (Mac) veya Ctrl+K (Windows/Linux) tuşlarına bas. Sayfalar, projeler, veri setleri 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 tıkla. Asistan, mevcut sayfaya dayalı bağlamsal yardım sağlar.

Kullanıma Alım Turları#

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

Turları Yeniden Başlat#

Herhangi bir turu yeniden oynatmak için:

• Turu Yeniden Başlat düğmesi — Hesap menüsünü açmak için profil avatarına (kenar çubuğunun sol alt kısmı) tıkla, ardından Turu Yeniden Başlat'ı seç. Bu, her bölüme bir sonraki deyişinde turlar yeniden oynatılsın diye tüm turları sıfırlar.
• URL parametresi — Doğrudan birini yeniden başlatmak için ?tour= değerini tur kimliğiyle birlikte ekle: Ana sayfada ?tour=nav, proje sayfasında ?tour=project veya veri seti sayfasında ?tour=dataset.

İlk Veri Kümeni Yükle#

Kenar çubuğunda Annotate aç ve yeni bir veri seti oluşturmak için + üzerine tıkla. Ayrıca dosyaları doğrudan Ana sayfa panosundaki Veri Setleri kartının üzerine sürükleyip bırakabilirsin.

Yeni Veri Seti iletişim kutusu dört kaynak sunar. Bu hızlı başlangıç kılavuzu Yükle seçeneğini kullanır; diğerleri Veri Setleri ve Entegrasyonlar bölümünde ele alınmıştır:

Yüklemeler birden çok formatı destekler (tam ayrıntılar Veri Setleri bölümündedir):

graph LR
    A[Drop Files]:::start --> B[Auto-Package ZIP]:::proc
    B --> C[Upload to Storage]:::proc
    C --> D[Process Data]:::proc
    D --> E[Resize & Thumbnail]:::proc
    E --> F[Parse Labels]:::proc
    F --> G[Compute Statistics]:::proc
    G --> H[Dataset Ready]:::out

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef out fill:#9C27B0,color:#fff

Yüklemeden sonra platform verilerini otomatik olarak işler:

1. 4096 pikselden büyük görüntüler yeniden boyutlandırılır (en boy oranı korunarak)
2. Hızlı göz atma için 256 piksellik küçük resimler oluşturulur
3. YOLO, COCO ve Ultralytics NDJSON etiketleri ayrıştırılır ve doğrulanır
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 formatları incele.

İlk Projeni Oluştur#

Projeler, ilgili modelleri ve deneyleri organize etmene yardımcı olur. Kenar çubuğunda Train aç ve proje oluşturmak için + üzerine tıkla. Ayrıca bir proje oluşturmak ve bunları tek adımda içe aktarmak için Ana sayfa panosundaki Projeler kartının üzerine .pt ağırlıklarını bırakabilirsin.

Bir ad ve isteğe bağlı açıklama gir. Projeler; model çalıştırmalarını, içe aktarılan veya klonlanan model ağırlıklarını ve tamamlanan eğitim sonuçlarını karşılaştırmak için grafiklerle birlikte organize eder.

projects hakkında daha fazla bilgi edin.

İlk Modelini Eğit#

Projenden, Yeni Model Eğit iletişim kutusunu açmak için New Model üzerine tıkla. Ayrıca bir veri seti sayfasından da başlayabilirsin; bu durumda veri seti sabitlenir ve bunun yerine hedef projeyi seçersin.

Eğitim Yapılandırması#

1. Temel Model: Resmi Ultralytics ağırlıklarını veya kendi eğittiğin modellerden birini seç. Model görevi ile veri seti görevi eşleşmiyorsa iletişim kutusu uyarı verir.
2. Veri Seti: En az bir eğitim görseli, en az bir doğrulama veya test görseli ve en az bir etiketlenmiş görsel içeren hazır bir veri seti seç
3. Parametreler: Epochs (varsayılan 100), Batch Size (boş bırakılması otomatik anlamına gelir), Image Size (varsayılan 640) ve isteğe bağlı bir çalıştırma adı (Name) belirle. Diğer tüm Ultralytics eğitim argümanlarını bir YAML düzenleyicisinde düzenlemek için Gelişmiş Ayarlar'ı genişlet.
4. GPU Seç: Bulut Eğitimi sekmesinde, bütçene ve model boyutuna göre işlem gücü seç. Varsayılan seçenek, her YOLO26 varyantını işleyebilen RTX PRO 6000 (96 GB Blackwell, 2,09$/saat) modelidir. Listenin tamamı ve katman kısıtlamaları için GPU fiyatlandırma tablosu veya Bulut Eğitimi GPU adımı sayfasına göz at.
5. Eğitimi Başlat: Kredi bakiyenin yanındaki tahmini maliyeti ve süreyi incele, ardından Start Training öğesine tıkla.

Eğitimi İzle#

Eğitim başladığında, üç alt sekme aracılığıyla ilerlemeyi gerçek zamanlı olarak izlemek için modelin Train sekmesini aç:

Metrikler SSE (Sunucu Tarafından Gönderilen Etkinlikler) aracılığıyla gerçek zamanlı olarak akıtılır. Doğrulama çıktıları mevcut olduğunda, Grafik alt sekmesi Eğitim ve Doğrulama görünümleri olarak ikiye ayrılır; karmaşıklık matrisi, PR eğrileri ve F1 eğrileri Doğrulama altında yer alır.

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 görsel yükle, sürükleyip bırak, web kamerandan bir tane yakala veya örnek bir görsele tıkla (bırakma anında otomatik çıkarım)
3. Göreve uygun tahmin katmanlarını, aşama bazında süreleri (ön işlem, çıkarım, son işlem, ağ) ve ham JSON yanıtını görüntüle

Çıkarım parametrelerini ayarla:

API Belirtimleri altında, Predict sekmesi yukarıda seçtiğin parametrelerle önceden doldurulmuş Python, JavaScript ve cURL dillerinde örnek kod gösterir. Önce modeli dağıt, ardından yer tutucu URL'yi ve anahtarı uç noktandaki değerlerle değiştir:

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())

inference hakkında daha fazla bilgi edin.

Üretime Dağıt#

Modelini üretimde kullanım için özel bir uç noktaya dağıt:

1. Modelinin Deploy sekmesine git
2. Platform, tüm 42 bölgeye olan gecikmeyi ölçer ve bunları yeşilden kırmızıya bir gradyanla renklendirilmiş (daha düşük gecikme yeşil, daha yüksek gecikme kırmızı) bir dünya haritası üzerinde çizer
3. Haritanın altındaki — bulunduğun konuma göre gecikmeye göre sıralanmış — Bölge Gecikmesi tablosunda istediğin bölgeyi bul. İstediğin zaman yeniden ölçüm yapmak için Rescan kullan.
4. Uç noktanı oluşturmak için o satırdaki Deploy öğesine tıkla

graph LR
    A[Select Region]:::start --> B[Deploy]:::proc
    B --> C[Provisioning]:::proc
    C --> D[Running]:::out
    D --> E{Lifecycle}:::decide
    E --> F[Stop]:::error
    E --> G[Delete]:::error
    F --> H[Resume]:::proc
    H --> D

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef decide fill:#FF9800,color:#fff
    classDef out fill:#9C27B0,color:#fff
    classDef error fill:#F44336,color:#fff

Sağlama tamamlandığında uç noktanız şunları sağlar:

• Benzersiz URL: API çağrıları için HTTPS uç noktası
• Scale-to-zero davranışı: Boştaki uç noktalar sıfıra ölçeklenir (dağıtımlar şu anda tek bir aktif örnek çalıştırır)
• İzleme: İstek metrikleri ve günlükler

Dağıtımdan sonra, kenar çubuğundaki Deploy bölümünden tüm uç noktalarını yönetebilirsin. Dağıtımlar panosu; aktif dağıtımlarınla birlikte küresel bir harita, 24 saatlik metrikler (toplam istekler, aktif dağıtımlar, hata oranı ve P95 gecikmesi) ve her bir uç noktanın listesini gösterir.

endpoints hakkında daha fazla bilgi edin.

Uzaktan Eğitim (İsteğe Bağlı)#

Kendi donanımınızda eğitmeyi tercih ediyorsanız, her yerde eğitmek ve metrikleri Ultralytics Platform'a akıtmak için API anahtarınızı kullanabilirsiniz.

En hızlı yol, eğitim iletişim kutusundaki Yerel Eğitim sekmesidir: seçtiğin model, veri seti ve parametreler için tam komutu oluşturur ve bir API anahtarı doldurur (henüz yoksa bir tane oluşturur). Onu kopyala ve terminalinde çalıştır.

Komutu kendin oluşturmak için:

1. Settings > API Keys içinde bir API anahtarı oluştur
2. Ortam değişkenini ayarla ve project için username/project değeriyle birlikte eğit:

export ULTRALYTICS_API_KEY="YOUR_API_KEY"

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

API keys, dataset URIs ve remote training hakkında daha fazla bilgi edin.

Geri Bildirim & Yardım#

Kenar çubuğu alt bilgisindeki Yardım sayfası; dokümantasyon bağlantılarını, video anlatımlarını ve topluluk kaynaklarını bir araya getirir ve uygulama içi bir geri bildirim formu içerir. Deneyimini 1 ile 5 yıldız arasında değerlendirebilir, bir geri bildirim türü (Hata, Özellik veya Genel) seçebilir ve bir ekran görüntüsü ekleyebilirsin.

Daha fazla yardıma ihtiyacın olursa:

• AI Chat: Anında yardım almak için herhangi bir sayfadaki yüzen sohbet penceresine tıkla
• Documentation: datasets, annotation, training, deployment ve billing hakkında ayrıntılı kılavuzlar için bu belgelere göz at
• Discord: Tartışmalar için Discord community topluluğumuza katıl
• GitHub: Sorunları GitHub üzerinde bildir
• REST API ve Python SDK: Tüm Platform özelliklerine programlı erişim için API referansına göz at, ultralytics-platform istemcisini yükle veya etkileşimli API belgelerini dene