Modeller

Ultralytics Platformu, YOLO modellerini eğitmek, analiz etmek ve dağıtmak için kapsamlı model yönetimi sağlar. Önceden eğitilmiş modelleri yükleyebilir veya doğrudan platform üzerinde yeni modeller eğitebilirsiniz.

Model Yükle

Mevcut model ağırlıklarını platforma yükleyin:

1. Projenize gidin
2. Sürükle ve bırak .pt dosyaları proje sayfasına veya modeller kenar çubuğuna
3. Model meta verileri dosyadan otomatik olarak ayrıştırılır.

Birden fazla dosya aynı anda yüklenebilir (aynı anda en fazla 3 adet).

Desteklenen model formatları:

Yüklemeden sonra platform, model meta verilerini ayrıştırır:

• Görev türü (detect, segment, poz, obb, classify)
• Mimari (YOLO26n, YOLO26s, vb.)
• Sınıf adları ve sayısı
• Giriş boyutu ve parametreleri
• Eğitim sonuçları ve metrikler (kontrol noktasında mevcutsa)

Model Eğitimi

Doğrudan platform üzerinde yeni bir model eğitin:

1. Projenize gidin
2. Yeni Model öğesine tıklayın
3. Temel modeli ve veri setini seçin
4. Eğitim parametrelerini yapılandırın
5. Bulut veya yerel eğitimi seçin
6. Eğitime başlayın

Ayrıntılı talimatlar için Bulut Eğitimi bölümüne bakın.

Model Yaşam Döngüsü

graph LR
    A[Upload .pt] --> B[Overview]
    C[Train] --> B
    B --> D[Predict]
    B --> E[Export]
    B --> F[Deploy]
    E --> G[17+ Formats]
    F --> H[Endpoint]

    style A fill:#4CAF50,color:#fff
    style C fill:#FF9800,color:#fff
    style E fill:#2196F3,color:#fff
    style F fill:#9C27B0,color:#fff

Model Sayfası Sekmeleri

Her model sayfası aşağıdaki sekmelere sahiptir:

Genel Bakış Sekmesi

Model meta verilerini ve ana metrikleri görüntüler:

• Model adı (düzenlenebilir), durum rozeti, görev türü
• Nihai metrikler (mAP50, mAP50-95, kesinlik, geri çağırma)
• Eğitim ilerlemesini gösteren metrik sparkline grafikleri
• Eğitim argümanları (epoch'lar, batch boyutu, görüntü boyutu vb.)
• Veri seti bağlantısı (bir Platform veri seti ile eğitildiğinde)
• Model ağırlıkları için indirme düğmesi

Eğitim Sekmesi

Eğitim sekmesi üç alt sekmeye sahiptir:

Grafikler Alt Sekmesi

Epoch'lar boyunca kayıp eğrilerini ve performans metriklerini gösteren etkileşimli eğitim metrik grafikleri:

Konsol Alt Sekmesi

Eğitim sürecinden canlı konsol çıktısı:

• Eğitim sırasında gerçek zamanlı günlük akışı
• Epoch ilerleme çubukları ve doğrulama sonuçları
• Vurgulanmış hata banner'ları ile hata tespiti
• Biçimlendirilmiş çıktı için ANSI renk desteği

Sistem Alt Sekmesi

Eğitim sırasında GPU ve sistem metrikleri:

Tahmin Sekmesi

Etkileşimli çıkarımı doğrudan tarayıcıda çalıştırın:

• Bir görüntü yükleyin, bir URL yapıştırın veya web kamerası kullanın
• Sonuçlar sınırlayıcı kutular, maskeler veya anahtar noktalar ile görüntülenir
• Bir görüntü sağlandığında otomatik çıkarım
• Tüm görev türlerini destekler (detect, segment, poz, obb, classify)

Dışa Aktar Sekmesi

Modelinizi 17'den fazla dağıtım formatına aktarın. Tam ayrıntılar için aşağıdaki Modeli Dışa Aktar bölümüne ve temel Dışa Aktarma modu kılavuzuna bakın.

Dağıtım Sekmesi

Özel çıkarım uç noktaları oluşturun ve yönetin. Ayrıntılar için Dağıtımlar bölümüne bakın.

Doğrulama Grafikleri

Eğitim tamamlandıktan sonra, ayrıntılı doğrulama analizini görüntüleyin:

Karışıklık Matrisi

Sınıf başına tahmin doğruluğunu gösteren etkileşimli ısı haritası:

PR/F1 Eğrileri

Farklı güven eşiklerinde performans eğrileri:

Modeli Dışa Aktar

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

    style A fill:#2196F3,color:#fff
    style C fill:#FF9800,color:#fff
    style G fill:#4CAF50,color:#fff

Modelinizi 17'den fazla dağıtım formatına dışa aktarın:

1. Dışa Aktar sekmesine gidin
2. Hedef formatı seçin
3. Dışa aktarma argümanlarını yapılandırın (görüntü boyutu, yarım hassasiyet, dinamik vb.)
4. GPU gerektiren formatlar (TensorRT) için bir GPU türü seçin
5. Dışa Aktar'a tıklayın
6. Tamamlandığında indirin

Desteklenen Formatlar

Platform, 17'den fazla dağıtım formatına dışa aktarmayı destekler: ONNX, TorchScript, OpenVINO, TensorRT, CoreML, TF SavedModel, TF GraphDef, TF Lite, TF Edge TPU, TF.js, PaddlePaddle, NCNN, MNN, RKNN, IMX500, Axelera ve ExecuTorch.

Format Seçim Kılavuzu

RKNN Çip Desteği

RKNN formatına dışa aktarırken, hedef Rockchip cihazınızı seçin:

Dışa Aktarma İşi Yaşam Döngüsü

Dışa aktarma işleri aşağıdaki durumlar üzerinden ilerler:

Toplu Dışa Aktarma Eylemleri

• Tümünü Dışa Aktar: Tıklayın Export All tüm CPU tabanlı formatlar için varsayılan ayarlarla dışa aktarma işlerini başlatmak için.
• Tüm Dışa Aktarımları Sil: Tıklayın Delete All model için tüm dışa aktarımları kaldırmak için.

Format Kısıtlamaları

Bazı dışa aktarma formatlarının mimari veya görev kısıtlamaları vardır:

Modeli Klonla

Bir modeli farklı bir projeye klonlayın:

1. Model sayfasını açın
2. Klonla düğmesine tıklayın
3. Hedef projeyi seçin
4. Klonla'ya tıklayın

Model ve ağırlıkları hedef projeye kopyalanır.

Modeli İndir

Model ağırlıklarınızı indirin:

1. Modelin Genel Bakış sekmesine gidin
2. İndir düğmesine tıklayın
3. Orijinal .pt dosyası otomatik olarak indirilir

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

Veri Seti Bağlantısı

Modeller, kaynak veri kümelerine bağlanabilir:

• Eğitim için hangi veri kümesinin kullanıldığını görüntüleyin
• Veri kümesine gitmek için Genel Bakış sekmesindeki veri kümesi kartına tıklayın
• Veri soyunu track edin

Platform veri kümeleriyle eğitim yaparken ul:// URI formatı, bağlantı otomatik olarak yapılır.

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

Görünürlük Ayarları

Modelinizi kimlerin görebileceğini kontrol edin:

Görünürlüğü değiştirmek için görünürlük rozetine (örn., private veya public) model sayfasında. Özele geçiş anında yürürlüğe girer. Herkese açık moda geçiş, uygulamadan önce bir onay iletişim kutusu gösterir.

Modeli Sil

Artık ihtiyacınız olmayan bir modeli kaldırın:

1. Model eylemleri menüsünü açın
2. Sil'e tıklayın
3. Silme işlemini onaylayın

SSS

Hangi model mimarileri desteklenmektedir?

Ultralytics Platformu, tüm YOLO mimarilerini özel projelerle tamamen 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

Tüm mimariler 5 görev türünü destekler: detect, segment, pose, OBB ve classify.

Eğitilmiş modelimi indirebilir miyim?

Evet, model ağırlıklarınızı model sayfasından indirin:

1. Genel Bakış sekmesindeki indirme simgesine tıklayın
2. Orijinal .pt dosyası otomatik olarak indirilir
3. Dışa aktarılan formatlar Dışa Aktar sekmesinden indirilebilir

Projeler arası modelleri nasıl karşılaştırırım?

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

1. Modelleri tek bir projeye klonlayın veya
2. Metrikleri dışa aktarın ve harici olarak karşılaştırın

Maksimum model boyutu nedir?

Kesin bir sınır yoktur, ancak çok büyük modeller (>2GB) daha uzun yükleme ve işleme sürelerine sahip olabilir.

Önceden eğitilmiş modellere ince ayar yapabilir miyim?

Evet! Resmi YOLO26 modellerinden herhangi birini temel olarak kullanabilir veya eğitim iletişim kutusundaki model seçiciden kendi tamamlanmış modellerinizden birini seçebilirsiniz. Platform, yüklenen herhangi bir kontrol noktasından ince ayar yapmayı destekler.

📅 1 ay önce oluşturuldu ✏️ 5 gün önce güncellendi

Yorumlar