Nền tảng Ultralytics#
Nền tảng Ultralytics là nền tảng computer vision toàn diện, end-to-end, giúp hợp lý hóa toàn bộ quy trình ML từ chuẩn bị dữ liệu đến triển khai model. Nền tảng được xây dựng cho các nhóm và cá nhân cần giải pháp computer vision sẵn sàng cho production mà không phải xử lý sự phức tạp của hạ tầng.

Nền tảng Ultralytics là gì?#
Nền tảng Ultralytics tích hợp quản lý và gán nhãn dataset, theo dõi thí nghiệm, huấn luyện trên cloud và từ xa, export model, endpoint inference chuyên dụng và giám sát triển khai trong một workspace. Nền tảng hỗ trợ nguyên bản các model YOLO26, YOLO11, YOLOv8 và YOLOv5.
Quy trình: Tải lên → Gán nhãn → Huấn luyện → Export hoặc Triển khai#
Nền tảng cung cấp quy trình end-to-end:
| Giai đoạn | Tính năng |
|---|---|
| Tải lên | Ảnh (50MB), video (1GB) và tệp dataset (ZIP, TAR gồm .tar.gz/.tgz, NDJSON) từ máy tính, URL, cloud storage hoặc máy chủ on-premise của bạn |
| Gán nhãn | Công cụ gán nhãn thủ công cho 6 loại tác vụ, cùng với Gán nhãn thông minh bằng model SAM cho detect, segment, semantic và OBB; model YOLO cho các tác vụ đó và pose; hoặc model được nhắc bằng class (model mã nguồn mở được lưu trữ hoặc model từ nhà cung cấp trả phí) cho dataset detection có 1–200 class (xem các loại tác vụ được hỗ trợ) |
| Huấn luyện | GPU cloud (24 GPU trong mọi gói + 2 GPU chỉ dành cho Pro/Enterprise: B200, B300), metric theo thời gian thực, tổ chức project |
| Export | 22 format triển khai (ONNX, TensorRT, CoreML, LiteRT, Hailo, Ascend, v.v.; xem các format được hỗ trợ) |
| Triển khai | 42 khu vực toàn cầu với endpoint chuyên dụng, mặc định scale về 0 (một instance hoạt động) và có tính năng giám sát |
Bạn có thể:
- Tải lên ảnh, video và tệp dataset để tạo dataset huấn luyện
- Trực quan hóa chú thích bằng lớp phủ tương tác cho 6 loại tác vụ YOLO được trình chỉnh sửa chú thích hỗ trợ (xem các loại tác vụ được hỗ trợ)
- Huấn luyện model trên GPU cloud (24 GPU trong mọi gói, 26 GPU với Pro hoặc Enterprise gồm B200 và B300) cùng metric theo thời gian thực
- Export sang 22 format triển khai (ONNX, TensorRT, CoreML, LiteRT, Hailo, Ascend, v.v.)
- Triển khai đến 42 khu vực toàn cầu với endpoint chuyên dụng chỉ bằng một cú nhấp
- Xây dựng workflow Agents kết nối model, điều kiện, thu thập dataset, cảnh báo Slack và webhook
- Giám sát tiến trình huấn luyện, tình trạng triển khai và metric sử dụng
- Kết nối cloud storage, công cụ gán nhãn và Slack thông qua tích hợp
- Cộng tác bằng cách công khai project và dataset cho cộng đồng
Hạ tầng đa khu vực#
Dữ liệu của bạn luôn ở trong khu vực của bạn. Nền tảng Ultralytics vận hành hạ tầng tại ba khu vực toàn cầu:
| Khu vực | Nhãn | Vị trí | Phù hợp nhất cho |
|---|---|---|---|
| US | Châu Mỹ | Iowa, Hoa Kỳ | Người dùng ở châu Mỹ, tốc độ nhanh nhất tại châu Mỹ |
| EU | Châu Âu, Trung Đông và Châu Phi | Bỉ, Châu Âu | Người dùng ở châu Âu, tuân thủ GDPR |
| AP | Châu Á - Thái Bình Dương | Đài Loan, Châu Á - Thái Bình Dương | Người dùng ở Châu Á - Thái Bình Dương, độ trễ thấp nhất tại APAC |
Bạn chọn khu vực dữ liệu trong quá trình onboarding. Dataset, model và dữ liệu huấn luyện được quản lý vẫn nằm trong khu vực đó. Endpoint chuyên dụng được triển khai riêng đến khu vực bạn chọn trên bản đồ triển khai toàn cầu.
Bạn không thể tự thay đổi khu vực dữ liệu sau khi tạo tài khoản. Trong quá trình onboarding, Nền tảng đo độ trễ đến từng khu vực và đề xuất khu vực gần nhất. Hãy liên hệ bộ phận hỗ trợ nếu sau này bạn cần yêu cầu đổi khu vực. Điều này áp dụng cho nội dung dataset và model; dữ liệu ở cấp tài khoản như hồ sơ, thanh toán và nhật ký hoạt động được xử lý trên toàn cầu, như mô tả trong Chính sách quyền riêng tư và Thỏa thuận xử lý dữ liệu của chúng tôi.
Tính năng chính#
Chuẩn bị dữ liệu#
- Quản lý dataset: Tạo dataset từ tệp cục bộ, URL, cloud storage đã kết nối hoặc máy chủ on-premise, kèm xử lý tự động
- Trình chỉnh sửa chú thích: Công cụ gán nhãn thủ công cho 6 loại tác vụ YOLO (detect, segment, semantic, classify, pose, OBB; xem các loại tác vụ được hỗ trợ)
- Template skeleton: Template skeleton tích hợp sẵn (Person, Hand, Dog, Face, Box) và tùy chỉnh để gán nhãn pose chỉ bằng một cú nhấp
- Gán nhãn thông minh: Dùng SAM 2.1 (Tiny, Small, Base, Large), SAM 3 hoặc SAM 3.1 (mặc định) từ thanh công cụ gán nhãn cho các tác vụ detect, segment, semantic và OBB; dùng model Ultralytics YOLO pretrained và model YOLO fine-tune của riêng bạn cho các tác vụ đó và pose; hoặc dùng model được nhắc bằng class trên dataset detection có 1–200 class: sáu model mã nguồn mở được lưu trữ (mặc định là Moondream 3.1), SAM 3 và SAM 3.1 được lưu trữ, hỗ trợ prompt văn bản, hoặc model vision trả phí từ OpenAI, Anthropic, Google, Meta, SpaceXAI, DeepSeek, Z.ai, Kimi và Xiaomi MiMo với khóa nhà cung cấp trong Settings > API Keys
- Quản lý phiên bản dataset: Tạo snapshot NDJSON được đánh số kèm mô tả, sau đó tải xuống hoặc khôi phục bất kỳ phiên bản nào để huấn luyện có thể tái lập
- Thống kê: Phân bố class, phân bố tập dữ liệu, heatmap vị trí và phân tích kích thước bounding box
Huấn luyện model#
- Huấn luyện trên cloud: Huấn luyện bằng GPU cloud (24 GPU trong mọi gói, 26 GPU với Pro hoặc Enterprise gồm B200 và B300) cùng metric theo thời gian thực và ước tính chi phí trực tiếp
- Huấn luyện từ xa: Huấn luyện ở bất kỳ đâu và truyền metric đến Nền tảng Ultralytics
- Cài đặt nâng cao: Ghi đè bất kỳ tham số huấn luyện nào của Ultralytics bằng trình chỉnh sửa YAML tích hợp trong hộp thoại huấn luyện
- Tổ chức project: Nhóm các model liên quan, so sánh thí nghiệm và theo dõi hoạt động
- 22 format export: ONNX, TensorRT, CoreML, LiteRT, Hailo, Ascend và nhiều format khác (xem các format được hỗ trợ)

Bạn có thể huấn luyện model qua giao diện web (huấn luyện trên cloud) hoặc từ máy tính của mình (huấn luyện từ xa):
- Đi đến project của bạn
- Nhấp vào
New Model - Chọn dataset, model, GPU và số epoch
- Theo dõi đường cong loss và metric theo thời gian thực
Triển khai#
- Kiểm thử inference: Kiểm thử model trực tiếp trên trình duyệt bằng ảnh của bạn, ảnh chụp từ webcam hoặc ví dụ tích hợp sẵn
- Endpoint chuyên dụng: Triển khai đến 42 khu vực toàn cầu, mặc định scale về 0 (một instance hoạt động)
- Giám sát: Số liệu theo thời gian thực, nhật ký yêu cầu và dashboard hiệu suất
Sau khi triển khai, hãy gọi endpoint của bạn từ bất kỳ ngôn ngữ nào. conf, iou và imgsz là các trường biểu mẫu tùy chọn, mặc định lần lượt là 0.25, 0.7 và kích thước ảnh dùng để huấn luyện model (640 nếu không có thông tin):
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())Quản lý tài khoản#
- Nhóm & Tổ chức: Cộng tác với thành viên nhóm, quản lý vai trò và lời mời, cũng như chuyển đổi workspace từ menu tài khoản
- API key: Quản lý key an toàn cho hoạt động huấn luyện từ xa và truy cập API
- Credit & Thanh toán: Huấn luyện theo mức sử dụng với giá minh bạch và nạp thêm từ $5 đến $1,000
- Bảng tin hoạt động: Theo dõi tất cả sự kiện và thao tác trên tài khoản
- Thùng rác & Khôi phục: Xóa mềm trong 30 ngày và khôi phục mục đã xóa
- Tuân thủ GDPR: Xuất dữ liệu và xóa tài khoản
Xem bảng so sánh Free, Pro và Enterprise chính thức để biết giới hạn hiện tại, quyền truy cập GPU, khả năng cộng tác và điều khoản cấp phép.
Liên kết nhanh#
Bắt đầu với các tài nguyên sau:
- Bắt đầu nhanh: Tạo dự án đầu tiên và huấn luyện model chỉ trong vài phút
- Khám phá: Duyệt và sao chép các dataset, project công khai, đồng thời tìm kiếm hình ảnh theo nội dung hiển thị
- Dữ liệu: Tổng quan về chuẩn bị dataset
- Dataset: Tải lên và quản lý dữ liệu huấn luyện
- Gán nhãn: Gán nhãn dữ liệu bằng công cụ thủ công và có AI hỗ trợ
- Huấn luyện: Tổng quan về huấn luyện
- Dự án: Sắp xếp model và thử nghiệm
- Model: Trang model, nội dung tải xuống và định dạng xuất
- Huấn luyện trên cloud: Huấn luyện trên GPU cloud
- Triển khai: Tổng quan về triển khai
- Suy luận: Kiểm thử model
- Endpoint: Triển khai model vào production
- Giám sát: Theo dõi hiệu suất triển khai
- Tài khoản: Tổng quan về tài khoản
- Cài đặt: Tùy chọn hồ sơ và workspace
- Nhóm: Thành viên, vai trò và lời mời
- API key: Quản lý quyền truy cập API
- Thanh toán: Credit và thanh toán
- Hoạt động: Theo dõi sự kiện trên tài khoản
- Thùng rác: Khôi phục mục đã xóa
- Tích hợp: Lưu trữ cloud, công cụ gán nhãn và Slack
- REST API: Tài liệu tham khảo API
Khắc phục sự cố#
Sự cố về dataset#
| Vấn đề | Giải pháp |
|---|---|
| Không thể xử lý dataset | Kiểm tra định dạng tệp có được hỗ trợ không (JPEG, PNG, WebP, TIFF, HEIC, AVIF, BMP, JP2, DNG, MPO đối với ảnh). Kích thước tệp tối đa: ảnh 50 MB, video 1 GB, tệp lưu trữ dataset 10 GB (Free) / 20 GB (Pro) / 50 GB (Enterprise) |
| Thiếu annotation | Xác minh nhãn ở định dạng YOLO, có các tệp .txt khớp với tên tệp ảnh, hoặc tải lên tệp COCO JSON |
| “Yêu cầu có tập train” | Thêm thư mục train/ vào cấu trúc dataset hoặc phân phối lại các tập dữ liệu qua thanh chia tập |
| Chưa xác định tên class | Thêm tệp data.yaml với danh sách names: (xem định dạng YOLO) hoặc xác định class trong tab Classes |
Sự cố huấn luyện#
| Vấn đề | Giải pháp |
|---|---|
| Không thể bắt đầu huấn luyện | Kiểm tra số dư credit tại Settings > Billing. Cần có số dư dương |
| Lỗi hết bộ nhớ | Giảm batch size, dùng model nhỏ hơn (n/s) hoặc chọn GPU có VRAM lớn hơn |
| Chỉ số kém | Kiểm tra chất lượng dataset, tăng số epoch, thử tăng cường dữ liệu và xác minh cân bằng class |
| Huấn luyện chậm | Chọn GPU nhanh hơn, giảm kích thước ảnh và kiểm tra xem dataset có phải là nút thắt cổ chai không |
Sự cố triển khai#
| Vấn đề | Giải pháp |
|---|---|
| Endpoint không phản hồi | Kiểm tra trạng thái endpoint (Ready hay Stopped). Sau thời gian không hoạt động, lần khởi động nguội có thể mất đến một phút cho yêu cầu đầu tiên |
| 401 Không được phép | Xác minh API key đang hoạt động và được sao chép chính xác |
| Suy luận chậm | Kiểm tra kích thước model, cân nhắc xuất TensorRT, chọn khu vực gần hơn |
| Xuất không thành công | Một số định dạng yêu cầu kiến trúc model cụ thể. Hãy thử ONNX để có khả năng tương thích rộng nhất |
Câu hỏi thường gặp#
Tôi có thể đổi tên người dùng sau khi đăng ký không?
Không, tên người dùng là cố định và không thể thay đổi. Hãy chọn cẩn thận khi đăng ký.
Tôi có thể thay đổi khu vực dữ liệu không?
Khu vực dữ liệu được chọn trong quá trình onboarding và bạn không thể tự thay đổi. Để chuyển khu vực, hãy liên hệ bộ phận hỗ trợ để yêu cầu thay đổi.
Làm cách nào để nhận thêm credit?
Truy cập Settings > Billing rồi nhấp vào Nạp thêm. Mua credit với giá từ $5 đến $1,000. Credit đã mua không bao giờ hết hạn.
Điều gì xảy ra nếu quá trình huấn luyện thất bại?
Nếu quá trình tính toán trên cloud đã bắt đầu, thời gian GPU đã sử dụng sẽ bị tính phí. Lỗi xảy ra trước khi GPU khởi chạy sẽ không phát sinh phí sử dụng tài nguyên tính toán.
Tôi có thể tải model đã huấn luyện xuống không?
Có. Nhấp vào biểu tượng tải xuống trên trang model để tải các trọng số .pt, hoặc mở tab Xuất để xem các định dạng đã xuất hoàn tất.
Làm cách nào để chia sẻ công khai nội dung của tôi?
Mở dự án hoặc dataset, nhấp vào nhãn Riêng tư trên thanh điều hướng phía trên, rồi xác nhận Đặt thành công khai. Nội dung công khai sẽ xuất hiện trên trang Khám phá.
Giới hạn kích thước tệp là bao nhiêu?
Ảnh: 50 MB, video: 1 GB, dataset: 10 GB với Free, 20 GB với Pro, 50 GB với Enterprise. Với tệp lớn hơn, hãy chia thành nhiều lần tải lên.
Các mục đã xóa được giữ trong Thùng rác bao lâu?
30 ngày. Sau thời hạn đó, các mục sẽ bị xóa vĩnh viễn và không thể khôi phục.
Tôi có thể sử dụng model trên Platform cho mục đích thương mại không?
Các gói Free và Pro sử dụng giấy phép AGPL. Để sử dụng cho mục đích thương mại mà không phải tuân theo các yêu cầu của AGPL, hãy xem Cấp phép Ultralytics.
Câu hỏi thường gặp#
Để bắt đầu sử dụng Ultralytics Platform:
- Đăng ký: Tạo tài khoản tại platform.ultralytics.com
- Chọn khu vực: Chọn khu vực dữ liệu (US, EU hoặc AP) trong quá trình onboarding
- Tải dataset lên: Mở
Annotatetrên thanh bên và tải dữ liệu lên - Huấn luyện model: Tạo dự án và bắt đầu huấn luyện trên GPU cloud
- Triển khai: Kiểm thử model và triển khai lên endpoint chuyên dụng
Để xem hướng dẫn chi tiết, hãy tham khảo trang Bắt đầu nhanh.
Ultralytics Platform cung cấp:
- Workflow hợp nhất: Quản lý dữ liệu, huấn luyện và triển khai tại cùng một nơi
- Đa khu vực: Lưu trú dữ liệu tại các khu vực US, EU hoặc AP
- Huấn luyện không cần code: Huấn luyện các model YOLO tiên tiến mà không cần viết code
- Số liệu theo thời gian thực: Cập nhật tiến độ huấn luyện liên tục và giám sát các đợt triển khai
- 42 khu vực triển khai: Triển khai model ở gần người dùng trên toàn thế giới
- 7 loại tác vụ: Hỗ trợ phát hiện, phân đoạn instance, phân đoạn ngữ nghĩa, ước lượng độ sâu, phân loại, pose và OBB (xem tài liệu về tác vụ)
- Gán nhãn có AI hỗ trợ: Gán nhãn thông minh với SAM, YOLO và model theo prompt class (dataset phát hiện có 1–200 class) để tăng tốc chuẩn bị dữ liệu
Ultralytics Platform hỗ trợ nhiều loại GPU cho huấn luyện trên đám mây:
GPU Thế hệ VRAM Chi phí/giờ Phù hợp nhất cho RTX 2000 Ada Ada 16 GB $0.24 Dataset nhỏ, thử nghiệm RTX A4500 Ampere 20 GB $0.25 Dataset nhỏ đến trung bình RTX 4000 Ada Ada 20 GB $0.26 Dataset trung bình RTX A5000 Ampere 24 GB $0.27 Dataset trung bình L4 Ada 24 GB $0.39 Tối ưu cho suy luận A40 Ampere 48 GB $0.44 Batch size lớn hơn RTX 3090 Ampere 24 GB $0.46 Huấn luyện tổng quát RTX A6000 Ampere 48 GB $0.49 Model lớn RTX PRO 4000 Blackwell 24 GB $0.57 Blackwell tiết kiệm chi phí RTX PRO 4500 Blackwell 32 GB $0.64 Tỷ lệ giá/hiệu năng tốt RTX 4090 Ada 24 GB $0.69 Tỷ lệ giá/hiệu năng tốt nhất RTX 6000 Ada Ada 48 GB $0.77 Huấn luyện với batch lớn L40S Ada 48 GB $0.86 Huấn luyện với batch lớn RTX PRO 5000 Blackwell 48 GB $0.96 Huấn luyện với batch lớn RTX 5090 Blackwell 32 GB $0.99 Thế hệ GPU tiêu dùng mới nhất L40 Ada 48 GB $0.99 Model lớn A100 PCIe Ampere 80 GB $1.39 Huấn luyện trong môi trường production A100 SXM Ampere 80 GB $1.49 Huấn luyện trong môi trường production RTX PRO 6000 Blackwell 96 GB $2.09 Mặc định được đề xuất H100 PCIe Hopper 80 GB $2.89 Huấn luyện hiệu năng cao H100 NVL Hopper 94 GB $3.19 Hiệu năng tối đa H100 SXM Hopper 80 GB $3.29 Huấn luyện nhanh nhất H200 NVL Hopper 143 GB $3.39 Bộ nhớ tối đa H200 SXM Hopper 141 GB $4.39 Hiệu năng tối đa B200 Blackwell 180 GB $5.89 Model lớn (Pro+) B300 Blackwell 288 GB $7.39 Model lớn nhất (Pro+) Xem Huấn luyện trên đám mây để biết đầy đủ thông tin về giá và các tùy chọn GPU.
Bạn có thể huấn luyện model trên phần cứng của riêng mình và truyền các metric theo thời gian thực đến Ultralytics Platform.
Yêu cầu phiên bản packageĐể tích hợp với Platform, cần có Python>=3.11 và ultralytics>=8.4.120. Các phiên bản thấp hơn sẽ KHÔNG hoạt động với Platform.
pip install "ultralytics>=8.4.120"# Set your API key export ULTRALYTICS_API_KEY="YOUR_API_KEY" # Train with project/name to stream metrics yolo train model=yolo26n.pt data=coco.yaml epochs=100 project=username/my-project name=exp1Xem Huấn luyện trên đám mây để biết thêm chi tiết về huấn luyện từ xa.
Platform bao gồm trình chỉnh sửa gán nhãn đầy đủ tính năng, hỗ trợ:
- Công cụ thủ công: Bounding box, polygon, keypoint với template skeleton, bounding box xoay, phân loại
- Template skeleton: Đặt tất cả keypoint cùng lúc bằng template tích hợp (Person, Hand, Dog, Face, Box) hoặc template tùy chỉnh
- Gán nhãn thông minh: Sử dụng SAM 2.1, SAM 3 hoặc SAM 3.1 (mặc định) để gán nhãn bằng thao tác nhấp trên dataset detect, segment, semantic và OBB; chạy model Ultralytics YOLO pretrained và model YOLO đã fine-tune của riêng bạn từ thanh công cụ cho các tác vụ đó và pose; hoặc chạy model dựa trên prompt lớp trên dataset detection có 1–200 lớp: sáu model mã nguồn mở được lưu trữ (mặc định là Moondream 3.1), SAM 3 và SAM 3.1 được lưu trữ với prompt văn bản, hoặc model thị giác trả phí của OpenAI, Anthropic, Google, Meta, SpaceXAI, DeepSeek, Z.ai, Kimi và Xiaomi MiMo bằng khóa của nhà cung cấp trong Settings > API Keys
- Phím tắt: Quy trình làm việc hiệu quả với phím nóng, được liệt kê trong cửa sổ bật lên phím tắt của trình chỉnh sửa
Phím tắt Thao tác VChế độ thủ công (vẽ) SChế độ thông minh (SAM, YOLO hoặc model dựa trên prompt lớp) PDự đoán (trong chế độ thông minh) ABật/tắt tự động áp dụng (chế độ SAM Smart) 1-9Chọn lớp theo số thứ tự HBật/tắt hiển thị annotation Space+ kéo hoặc kéo bằng nút chuột giữaDi chuyển canvas Delete/BackspaceXóa annotation đã chọn Ctrl+SLưu annotation Ctrl+ZHoàn tác Ctrl+YLàm lại EscapeLưu / bỏ chọn / thoát Xem Gán nhãn để đọc hướng dẫn đầy đủ.
Platform hỗ trợ cùng 22 format triển khai như mode Export của Ultralytics. PyTorch là format nguồn; mỗi hàng có tham số
formatlà một mục tiêu export.Định dạng Đối số formatModel Metadata Đối số PyTorch - yolo26n.pt✅ - TorchScript torchscriptyolo26n.torchscript✅ imgsz,quantize,dynamic,nms,batch,deviceONNX onnxyolo26n.onnx✅ imgsz,quantize,dynamic,simplify,opset,nms,batch,data,fraction,deviceOpenVINO openvinoyolo26n_openvino_model/✅ imgsz,quantize,dynamic,nms,batch,data,fraction,deviceTensorRT engineyolo26n.engine✅ imgsz,quantize,dynamic,simplify,opset,workspace,nms,batch,data,fraction,deviceCoreML coremlyolo26n.mlpackage✅ imgsz,dynamic,quantize,nms,batch,deviceApple Core AI coreaiyolo26n.aimodel✅ imgsz,batch,quantizeTF SavedModel saved_modelyolo26n_saved_model/✅ imgsz,quantize,opset,nms,batch,data,fraction,deviceTF GraphDef pbyolo26n.pb❌ imgsz,opset,batch,deviceTF Edge TPU edgetpuyolo26n_edgetpu.tflite✅ imgsz,quantize,opset,data,fraction,deviceLiteRT litertyolo26n.tflite✅ imgsz,quantize,batch,data,fraction,devicePaddlePaddle paddleyolo26n_paddle_model/✅ imgsz,batch,deviceMNN mnnyolo26n.mnn✅ imgsz,batch,dynamic,quantize,simplify,opset,nms,deviceNCNN ncnnyolo26n_ncnn_model/✅ imgsz,quantize,batch,deviceIMX500 imxyolo26n_imx_model/✅ imgsz,quantize,data,fraction,nms,deviceRKNN rknnyolo26n_rknn_model/✅ imgsz,batch,name,quantize,simplify,opset,data,fraction,deviceExecuTorch executorchyolo26n_executorch_model/✅ imgsz,batch,deviceAxelera axelerayolo26n_axelera_model/✅ imgsz,batch,quantize,data,fraction,deviceDEEPX deepxyolo26n_deepx_model/✅ imgsz,quantize,simplify,opset,data,optimize,deviceQualcomm QNN qnnyolo26n_qnn.onnx✅ imgsz,batch,name,quantize,simplify,opset,data,fraction,deviceHailo hailoyolo26n_hailo_model/✅ imgsz,name,quantize,data,fraction,simplify,conf,iou,deviceHuawei Ascend ascendyolo26n_ascend_model/✅ imgsz,batch,name,quantize,opset,simplify,nms,deviceAMD Xilinx xilinxyolo26n_xilinx_model/✅ imgsz,name,quantize,data,fraction,opset,simplify,devicenms=Nonemặc định xuất đầu ra thô cho NMS bên ngoài. Đặtnms=Falseđể chọn một head không dùng NMS hiện có; các định dạng không được hỗ trợ sẽ chuyển về luồng đầu ra gốc. Các mụcnmsở trên xác định những định dạng có thể tích hợp NMS vớinms=True.Xem Export model, hướng dẫn chế độ Export và danh mục tích hợp để biết các tùy chọn dành riêng cho từng định dạng.