Modeller#

Ultralytics Platform, YOLO modellerini eğitmek, analiz etmek ve dağıtmak için kapsamlı model yönetimi sağlar. Önceden eğitilmiş modelleri yükle veya doğrudan platform üzerinde yenilerini eğit.

Model Yükle#

Mevcut model ağırlıklarını platforma yükle:

1. Projener git
2. .pt dosyalarını proje sayfasına veya modeller kenar çubuğuna sürükleyip bırak veya Modelleri yükle simgesine tıkla
3. Model meta verileri dosyadan otomatik olarak ayrıştırılır

Birden fazla dosya aynı anda yüklenebilir (aynı anda 3 taneye kadar).

Desteklenen model formatları:

Yüklemeden sonra platform model meta verilerini ayrıştırır:

• Görev türü (detect, segment, semantic, depth, classify, pose, OBB)
• Mimari (YOLO26n, YOLO26s, vb.)
• Sınıf isimleri ve sayısı
• Giriş boyutu ve parametreler
• Eğitim sonuçları ve metrikler (kontrol noktasında mevcutsa)

Modeli Eğit#

Doğrudan platform üzerinde yeni bir model eğit:

1. Projener git
2. Yeni Model'e tıkla
3. Temel model ve veri kümesini seç
4. Eğitim parametrelerini yapılandır
5. Bulut veya yerel eğitim seç
6. Eğitimi başlat

Ayrıntılı talimatlar için Bulut Eğitimi bölümüne göz at.

Model Yaşam Döngüsü#

graph LR
    A[Upload .pt]:::start --> B[Overview]:::proc
    C[Train]:::start --> B
    B --> D[Predict]:::proc
    B --> E[Export]:::proc
    B --> F[Deploy]:::proc
    E --> G[20 Formats]:::out
    F --> H[Endpoint]:::out

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

Model Sayfası Sekmeleri#

Her model sayfasında şu sekmeler bulunur:

Genel Bakış Sekmesi#

Model meta verilerini ve temel metrikleri görüntüler:

• Model adı (düzenlenebilir), durum rozeti, görev türü
• Nihai metrikler (mAP50, mAP50-95, kesinlik, duyarlılık)
• Eğitim ilerlemesini gösteren metrik kıvılcım grafikleri
• Eğitim argümanları (dönemler, toplu iş boyutu, görüntü boyutu vb.)
• Veri kümesi bağlantısı (bir Platform veri kümesiyle eğitildiğinde)
• Model ağırlıkları için indirme butonu

Eğit Sekmesi#

Eğit sekmesinin üç alt sekmesi vardır:

Grafikler Alt Sekmesi#

Kayıp eğrilerini ve dönemler boyunca performans metriklerini gösteren etkileşimli eğitim metriği grafikleri:

Konsol Alt Sekmesi#

Eğitim sürecinden gelen canlı konsol çıktısı:

• Eğitim sırasında gerçek zamanlı günlük akışı
• Dönem ilerleme çubukları ve doğrulama sonuçları
• Vurgulanan hata başlıkları ile hata tespiti
• Biçimlendirilmiş çıktı için ANSI renk desteği

Sistem Alt Sekmesi#

Eğitim sırasında GPU ve sistem metrikleri:

Tahmin Et Sekmesi#

Doğrudan tarayıcıda etkileşimli çıkarım çalıştır:

• Bir görüntü yükle, örnek görüntüleri kullan veya web kamerasını kullan
• Sonuçlar sınırlayıcı kutular, maskeler, anlamsal sınıf haritaları veya anahtar noktalarla görüntülenir
• Görüntü sağlandığında otomatik çıkarım
• Tüm görev türlerini destekler (detect, segment, semantic, depth, classify, pose, OBB)

Dışa Aktar Sekmesi#

Modelini 20 dağıtım formatına aktar. Tüm ayrıntılar için aşağıdaki Modeli Aktar bölümüne ve temel Aktarım modu kılavuzuna bak.

Dağıt Sekmesi#

Özel çıkarım uç noktaları oluştur ve yönet. Ayrıntılar için Dağıtımlar bölümüne bak.

Doğrulama Çizimleri#

Eğitim tamamlandıktan sonra ayrıntılı doğrulama analizini görüntüle:

Karmaşıklık Matrisi#

Sınıf başına tahmin doğruluğunu gösteren etkileşimli ısı haritası:

PR/F1 Eğrileri#

Eğitim çalışması bunları sağladığında, Doğrulama alt sekmesi ayrıca farklı güven eşiklerindeki performans eğrilerini gösterir. Mevcut doğrulama grafikleri, çalışmanın ürettiği yapı taşlarına bağlıdır.

Modeli Dışa Aktar#

graph LR
    A[Select Format]:::start --> B[Configure Args]:::proc
    B --> C[Export]:::proc
    C --> D{GPU Required?}:::decide
    D -->|Yes| E[Cloud GPU Export]:::proc
    D -->|No| F[CPU Export]:::proc
    E --> G[Download]:::out
    F --> G

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

Modelini 20 dağıtım formatına aktar:

1. Dışa Aktar sekmesine git
2. Hedef formatı seç
3. Dışa aktarma argümanlarını yapılandır (görüntü boyutu, yarı hassasiyet, dinamik vb.)
4. GPU gerektiren formatlar (TensorRT) için bir GPU türü seç
5. Dışa Aktarmayı Başlat düğmesine tıkla
6. Tamamlandığında indir

Bir dışarı aktarma işlemi hazır olduğunda veya başarısız olduğunda mesaj almak için Slack uyarılarını bağla.

Desteklenen Formatlar#

Platform, 20 dağıtım formatına aktarımı destekler: ONNX, TorchScript, OpenVINO, TensorRT, CoreML, TF SavedModel, TF GraphDef, LiteRT, TF Edge TPU, PaddlePaddle, NCNN, MNN, RKNN, Qualcomm (QNN), IMX500, Axelera, ExecuTorch, DeepX, Hailo ve Huawei Ascend.

Format Seçim Kılavuzu#

NVIDIA Jetson TensorRT Hedefleri#

Ultralytics Platform, TensorRT .engine dışarı aktarımları için aşağıdaki Jetson hedef seçimlerini sunar. Temmuz 2026 itibarıyla Jetson dışarı aktarma çalışanları, dışarı aktarma kapsayıcısının içinde JetPack 7.2 / L4T r39.2, Python 3.12.3, NVIDIA PyTorch 2.12.0a0 (26.04 derlemesi), CUDA 13.2 ve TensorRT 10.16.1.11 kullanır.

Zamanlamalar, Temmuz 2026'dan itibaren tekil gözlemlenen uçtan uca üretim yönlendirme testleridir ve en yakın saniyeye yuvarlanmıştır; bunlar bir SLA veya SKU bazlı performans kıyaslaması değil, referans ölçümleridir. Her iki Thor seçimi de NVIDIA'nın T4000 uyumluluk profilindeki bir T5000 Developer Kit üzerinde oluşturulmuştur. Altı Orin rotası, her bir motorun yüklendiği ve çalıştırıldığı bir AGX Orin 64GB üzerinde oluşturulmuştur.

RKNN Çip Desteği#

RKNN formatına dışa aktarırken hedef Rockchip cihazını seç:

Dışa Aktarma İşi Yaşam Döngüsü#

Dışa aktarma işleri aşağıdaki durumlardan geçer:

Toplu Dışa Aktarma İşlemleri#

• Tümünü Aktar: Varsayılan ayarları kullanarak tüm CPU tabanlı formatlar için dışarı aktarma işlemlerini başlatmak üzere Export All seçeneğine tıkla.
• Tüm Dışarı Aktarımları Sil: Model için tüm dışarı aktarımları kaldırmak üzere Delete All seçeneğine tıkla.

Format Kısıtlamaları#

Bazı dışa aktarma formatlarının mimari veya görev kısıtlamaları vardır:

Modeli Kopyala#

Bir modeli başka bir projeye kopyala:

1. Model sayfasını aç
2. Modeli Kopyala seçeneğine tıkla
3. Hedef projeyi seç
4. Modeli Kopyala seçeneğine tıkla

Model ve ağırlıkları hedef projeye kopyalanır.

Modeli İndir#

Model ağırlıklarını indir:

1. Modelin Overview (Genel Bakış) sekmesine git
2. Download (İndir) düğmesine tıkla
3. Modelin birincil .pt kontrol noktası otomatik olarak indirilir

Dışa aktarılan formatlar, dışa aktarma tamamlandıktan sonra Export sekmesinden indirilebilir.

Veri Seti Bağlama#

Modeller kaynak veri setlerine bağlanabilir:

• Eğitim için hangi veri setinin kullanıldığını görüntüle
• Ona gitmek için Genel Bakış sekmesindeki veri seti kartına tıkla
• Veri soy ağacını takip et

ul:// URI formatını kullanarak Platform veri kümeleriyle eğitim yaparken bağlantı otomatik olarak kurulur.

# Train with a Platform dataset — linking is automatic
yolo train model=yolo26n.pt data=ul://username/datasets/my-dataset epochs=100

Özel Meta Veriler#

Diğer eylemler öğesini aç ve iki bölümü incelemek için Bilgi seçeneğini seç:

• Ultralytics Metadata: Model kimliği, proje, kaynak veri kümesi, görev, durum ve zaman damgaları gibi salt okunur Platform ayrıntıları
• Custom Metadata: Değerlendirme bağlamı, sürüm takibi, yönetişim veya diğer modele özel veriler için kendi JSON nesnen

Özel meta veriler; eğitime ait model bilgilerinden, ortam ayrıntılarından ve eğitim argümanlarından ayrıdır. Çalışma alanı görüntüleyicileri bunu inceleyebilirken, düzenleme erişimine sahip üyeler nesneyi değiştirebilir. Serileştirilmiş meta veri nesnesi 500.000 karakterle sınırlıdır ve her üst düzey anahtar 128 karakterle sınırlıdır. Özel meta verileri temizlemek için boş bir nesne ({}) kaydet.

Görünürlük Ayarları#

Modelini kimlerin görebileceğini kontrol et:

Görünürlüğü değiştirmek için sayfa başlığındaki görünürlük rozetine (ör. private veya public) tıkla. Görünürlük proje düzeyinde ayarlanır, bu nedenle bu işlem projedeki tüm modelleri kontrol eder. Gizliye geçiş hemen geçerli olur. Herkese açık duruma geçiş, uygulanmadan önce bir onay iletişim kutusu gösterir.

Modeli Sil#

Artık ihtiyacın olmayan bir modeli kaldır:

1. Model başlığındaki Modeli sil çöp kutusu simgesine tıkla
2. Silme işlemini onayla

Ayrıca Bakınız#

• Çıkarım: Tahmin et sekmesini kullanarak modelleri tarayıcıda test et
• Uç Noktalar: Modelleri özel uç noktalarla üretime dağıt
• Bulut Eğitimi: Bulut GPU'larında eğitim işlerini yapılandır ve çalıştır
• Dışarı Aktarma Formatları: 20 dışarı aktarma formatının tümü için kapsamlı kılavuz

SSS#

Hangi model mimarileri destekleniyor?#

Ultralytics Platform, özel projelere sahip tüm YOLO mimarilerini tam olarak destekler:

• YOLO26: n, s, m, l, x varyantları (en yeni, önerilen) — platform.ultralytics.com/ultralytics/yolo26
• YOLO11: n, s, m, l, x varyantları — platform.ultralytics.com/ultralytics/yolo11
• YOLOv8: n, s, m, l, x varyantları — platform.ultralytics.com/ultralytics/yolov8
• YOLOv5: n, s, m, l, x varyantları — platform.ultralytics.com/ultralytics/yolov5

YOLO26, 7 görev türünü destekler: detect, segment, semantic, depth, classify, pose ve OBB. YOLO11 ve YOLOv8, anlamsal segmentasyon ve derinlik hariç aynı seti desteklerken YOLOv5 detect, segment ve classify'ı destekler.

Eğittiğim modelimi indirebilir miyim?#

Evet, model ağırlıklarını model sayfasından indirebilirsin:

1. Genel Bakış sekmesindeki indirme simgesine tıkla
2. Modelin birincil .pt kontrol noktası otomatik olarak indirilir
3. Dışa aktarılan formatlar Dışa Aktarma sekmesinden indirilebilir

Modelleri projeler arasında nasıl karşılaştırırım?#

Şu an için model karşılaştırması projeler içinde yapılmaktadır. Projeler arasında karşılaştırma yapmak için:

1. Modelleri tek bir projeye kopyala veya
2. Metrikleri dışa aktar ve harici olarak karşılaştır

Maksimum model boyutu nedir?#

Yüklenen .pt model dosyaları 1 GB ile sınırlıdır ve bu sınıra yakın modellerin yüklenmesi ve işlenmesi daha uzun sürebilir.

Önceden eğitilmiş modelleri ince ayar yapabilir miyim?#

Evet. Resmi YOLO26, YOLO11, YOLOv8 veya YOLOv5 projelerinden uyumlu bir model seç ya da eğitim iletişim kutusundaki Modellerim bölümünden kendi tamamlanmış veya yüklenmiş kontrol noktalarından birini seç.