Ask AI ile AutoTrain#
AutoTrain, bir sohbet yoluyla modelleri eğitmene, karşılaştırmana ve geliştirmeni yardımcı olmak için Ask AI kullanır. Bir temel çizgiyle başla, sonuçlarını incele ve bir sonraki deneyi iste. Ask AI ayrıca veri setleri bulabilir, görüntüleri etiketleyebilir, modelleri dışarı aktarabilir ve modelleri dağıtabilir.
Ultralytics Platform oturum aç, veri setini veya projeni aç ve Ask AI seçeneğine tıkla.
Platform eylemlerini kullanmak için öncelikle kişisel çalışma alanının Settings > API Keys bölümünde bir Ultralytics API key oluştur. Ask AI mevcut kişisel anahtarını otomatik olarak kullanır; anahtarı sohbete yapıştırman gerekmez. Bir ekip çalışma alanı ile çalışırken proje veya veri kümesi bağlantısını ekle.
Denenebilecek Komutlar#
İsteğinde hedef metriğini, modelini, epoch sınırını ve deney sayısını belirt. Karşılaştırılabilir sonuçlar için, her seferinde bir ayarı değiştirirken veri setini, bölünmeleri ve rastgele çekirdeği sabit tut. Bulut çalıştırmaları training credits kullanır.
İlgili veri kümesini veya projeyi aç ve şunları sor:
| Hedef | Örnek komut |
|---|---|
| Bir proje başlat | "Wildlife Lab" adında özel bir proje oluştur. Bir yaban hayatı algılama veri kümesi bul ve klonla, ardından temel bir eğitim çalışması hazırla. |
| Çözünürlükleri karşılaştır | Bu veri kümesi üzerinde 640, 800 ve 960 görsel boyutlarında üç model eğit. Diğer tüm ayarları ve veri kümesi bölümlerini sabit tut. |
| Bir veri kümesini keşfet | xView içinde konteyner gemilerini, nakliye konteynerlerini ve vinçleri bul. Bu, liman lojistiği için iyi bir başlangıç noktası mı? |
| Bir temel oluştur | Bu veri kümesinde YOLO26n modelini eğit ve çalıştırma adını "xview-baseline" olarak belirle. |
| Modelleri karşılaştır | Tamamlanan modelleri doğrulama mAP50-95 değerine göre karşılaştır. Farklılıkları açıkla ve bir sonraki deneyi öner. |
| Bir modeli dağıt | Bu projede en iyi doğrulama mAP değerine sahip tamamlanan modeli dağıt. Bana uç nokta URL'sini ve durumunu ver. |
| Otomatik etiketle | Bu veri kümesindeki etiketlenmemiş görselleri etiketlemek için en iyi uyumlu modelini kullan. Mevcut etiketleri koru. |
| Sınıflandırmayı incele | Hangi model en iyi sınıflandırma doğruluğuna sahip? Hangi türler kafa karıştırmaya devam ediyor ve bundan sonra ne denemeliyiz? |
| Bir modeli dışarı aktar | Bu modeli ONNX formatına aktar ve hazır olduğunda bana indirme bağlantısını ver. |
Kendi Kodlama Ajanını Kullan#
Ask AI, Platform CLI, ul cloud ve bunun tamamlayıcısı olan platform-cli skill bileşenini kullanır. Aynı komutları Claude Code, Codex veya uyumlu başka bir kodlama ajanından kullanabilirsin.
Kurulum ve Bağlantı#
Aşağıdaki kurulum, Platform CLI aracını Platform dışında kendi kodlama ajanınla kullanmak içindir.
ul CLI, Python 3.11+ içeren Ultralytics paketiyle birlikte gelir. Paketi yükle veya güncelle:
pip install -U ultralyticsBir Platform API key oluştur ve bunu ajanın tarafından kullanılan terminalde ayarla. Bağlantıyı şununla kontrol et:
export ULTRALYTICS_API_KEY="YOUR_API_KEY"
ul cloud account summaryYetenek Ekle#
Claude Code ve Codex eklentileri için Agent Skills installation guide kılavuzunu takip et. Skills CLI tarafından desteklenen ajanlar için Platform yeteneğini şu komutla yükle:
npx skills add ultralytics/skills --skill platform-cliArdından bağlam için proje veya veri kümesi bağlantısını ekleyerek yukarıdaki örnekler gibi komut istemleri kullan.
Komutları Doğrudan Çalıştır#
Komutlarda proje ve model URL kısaltmalarını kullan. Bu örnekler kişisel çalışma alanını hedef alır; ait olduğun bir ekip çalışma alanını hedef almak için owner=TEAM ekle:
ul cloud datasets list
ul cloud models list project=license-plate
ul cloud models training project=license-plate model=baseline
ul cloud training start --helpKomutları keşfetmek için ul cloud --help, argümanları için ul cloud <resource> <operation> --help kullan. Daha fazla ayrıntı için Platform API reference bölümüne göz at.