Ultralytics Platform Hızlı Başlangıç#

Ultralytics Platform, veri setleri yüklemek, önceden eğitilmiş ağırlıklardan yeni YOLO modelleri eğitmek, tamamlanan modelleri tarayıcıda test etmek ve adanmış 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 kayıt 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#

Giriş yaptıktan sonra, çalışma alanı istatistiklerini içeren bir hoş geldin kartı, veri setlerine, projelere ve depolama alanına hızlı erişim ile yakın zamanda yapılan etkinlikleri gösteren bir akış sunan Ultralytics Platform Ana sayfasına yönlendirileceksin.

Kenar Çubuğu Gezinmesi#

Kenar çubuğu, tüm Platform bölümlerine erişim sağlar:

Hoş Geldin Kartı#

Hoş geldin kartı profilini, plan rozetini ve çalışma alanı istatistiklerini bir bakışta gösterir:

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.
• Projeler: Yeni bir proje oluştur veya yüklemek için .pt model dosyalarını sürükle. Son projelerini gösterir.
• Depolama: Plan limitlerinle birlikte depolama kullanımına (veri setleri, modeller, dışa aktarımlar) genel bakış.

Alt kısımda bulunan bir Son Etkinlik tablosu, en son veri setlerini, modellerini ve eğitim süreçlerini 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 Yap düğmesi — Kullanıcı menüsünü açmak için profil avatarına (kenar çubuğunun sol alt kısmı) tıkla, ardından Turu Yeniden Yap seçeneğini seç. Bu, tüm turları sıfırlar, böylece her bölüme bir sonraki ziyaretinde tekrar oynatılırlar.
• URL parametresi — Gezinti Turunu 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 Sayfa panelindeki Veri Kümeleri kartının üzerine sürükleyip bırakabilirsin.

Ultralytics Platform birden fazla yükleme formatını destekler (tüm detaylar Datasets bölümündedir):

graph LR
    A[Drop Files]:::start --> B[Auto-Package ZIP]:::proc
    B --> C[Upload to Storage]:::proc
    C --> D[Backend Worker]:::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 ve şunlar için desteklenen formatlar hakkında daha fazla bilgi edin: detect, segment, pose, OBB ve classify.

İlk Projeni Oluştur#

Projeler, ilgili modelleri ve denemeleri organize etmenize yardımcı olur. Projects bölümüne gidin ve New Project öğesine tıklayın.

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

projects hakkında daha fazla bilgi edin.

İlk Modelini Eğit#

Projenden, bulut eğitimini başlatmak için New Model düğmesine tıkla.

Eğitim Yapılandırması#

1. Select Dataset: En az bir eğitim görseline, en az bir doğrulama veya test görseline ve en az bir etiketli görsele sahip hazır bir veri seti seçin
2. Model Seç: Bir temel model seç - resmi Ultralytics modelleri veya kendi eğittiğin modeller
3. Dönem Sayısını Ayarla (Epochs): Eğitim yineleme sayısı (varsayılan: 100)
4. GPU Seç: Bütçene ve model boyutuna göre işlem kaynaklarını belirle. Varsayılan seçenek, her YOLO26 varyantını çalıştırabilen RTX PRO 6000'dir (96 GB Blackwell, $2.09/sa). Liste ve kademe kısıtlamalarının tamamı için GPU fiyatlandırma tablosuna veya Bulut Eğitimi GPU adımı sayfasına bakabilirsin.

Eğitimi İzle#

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

Metrikler SSE (Server-Sent Events) aracılığıyla gerçek zamanlı olarak akıtılır. 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 (bırakıldığında otomatik çıkarım)
3. Göreve uygun tahmin kaplamalarını ve ham JSON yanıtını görüntüleyin

Çıkarım parametrelerini ayarlayın:

Predict sekmesi ayrıca örnek dağıtım kodunu gösterir. Önce modeli dağıtın, ardından yer tutucu URL'yi ve anahtarı uç noktanızdaki değerlerle değiştirin:

import requests

url = "https://your-deployment-url.run.app/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 Dağıt#

Modelini üretimde kullanım için özel bir uç noktaya dağıt:

1. Modelinin Deploy sekmesine git
2. Etkileşimli dünya haritasından bir bölge seç (42 kullanılabilir bölge)
3. Harita, yeşilden kırmızıya bir gradyanla gerçek zamanlı gecikme ölçümlerini gösterir (daha düşük gecikme daha yeşil, daha yüksek gecikme daha kırmızıdır)
4. Uç noktanı oluşturmak için Deploy düğmesine 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, tüm uç noktalarını kenar çubuğundaki Deploy bölümünden yönetebilirsin; bu bölüm aktif dağıtımları, genel metrikleri ve tüm uç noktaların listesini gösteren küresel bir harita içerir.

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.

1. Settings > API Keys kısmından bir API anahtarı oluştur
2. Ortam değişkenini ayarla ve project/name formatıyla 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 anahtarları, veri kümesi URI'leri ve uzaktan eğitim hakkında daha fazla bilgi edin.

Geri Bildirim & Yardım#

Kenar çubuğu alt bilgisindeki Yardım sayfası, uygulama içi bir geri bildirim formu içerir. Deneyimini puanlayabilir, bir geri bildirim türü (hata, özellik isteği 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 hakkındaki ayrıntılı kılavuzlar için bu belgelere göz at
• Discord: Tartışmalar için Discord topluluğumuza katıl
• GitHub: Sorunları GitHub üzerinde bildir
• REST API: Tüm Platform özelliklerine programatik erişim için API referansına bak veya etkileşimli API dokümanlarını dene