Bắt đầu nhanh với Nền tảng Ultralytics

Nền tảng Ultralytics được thiết kế thân thiện với người dùng và trực quan, cho phép người dùng nhanh chóng tải lên tập dữ liệu và huấn luyện các mô hình YOLO mới. Nền tảng này cung cấp một loạt các mô hình tiền huấn luyện để lựa chọn, giúp người dùng dễ dàng bắt đầu. Sau khi một mô hình được huấn luyện, nó có thể được kiểm tra trực tiếp trên trình duyệt và triển khai vào sản xuất chỉ với một cú nhấp chuột.

journey
    title Your First Model in 5 Minutes
    section Sign Up
      Create account: 5: User
      Select region: 5: User
    section Prepare Data
      Upload dataset: 5: User
      Review images: 4: User
    section Train
      Configure training: 5: User
      Monitor progress: 3: Platform
    section Deploy
      Test model: 5: User
      Deploy endpoint: 5: User

Bắt đầu

Nền tảng Ultralytics cung cấp nhiều tùy chọn đăng ký dễ dàng. Bạn có thể đăng ký và đăng nhập bằng tài khoản của mình. Google hoặc tài khoản GitHub, hoặc bằng địa chỉ email của bạn.

Lựa chọn khu vực

Trong quá trình thiết lập ban đầu, bạn sẽ được yêu cầu chọn khu vực dữ liệu. Nền tảng sẽ tự động đo độ trễ đến từng khu vực và đề xuất khu vực gần nhất. Đây là một lựa chọn quan trọng vì nó quyết định nơi dữ liệu, mô hình và các triển khai của bạn sẽ được lưu trữ.

Tín dụng miễn phí

Mỗi tài khoản mới đều nhận được tín dụng miễn phí cho dịch vụ đám mây. GPU đào tạo:

Hoàn tất Hồ sơ của bạn

Trước khi chọn khu vực, bạn sẽ hoàn tất hồ sơ của mình với tên hiển thị, tên người dùng, công ty (nếu có) và trường hợp sử dụng chính. Quy trình đăng ký gồm ba bước: Hồ sơ, Khu vực dữ liệu và Hoàn tất.

Bảng điều khiển chính

Sau khi đăng nhập, bạn sẽ được chuyển đến trang chủ của nền tảng Ultralytics , nơi cung cấp thẻ chào mừng với số liệu thống kê không gian làm việc, truy cập nhanh vào tập dữ liệu, dự án và dung lượng lưu trữ, cũng như nguồn cấp dữ liệu hoạt động gần đây.

Điều hướng thanh bên

Thanh bên cung cấp quyền truy cập vào tất cả các phần của Nền tảng:

Thẻ chào mừng

Thẻ chào mừng hiển thị thông tin cá nhân, huy hiệu gói dịch vụ và thống kê không gian làm việc của bạn một cách nhanh chóng:

Thao tác nhanh

Bên dưới thẻ chào mừng, bảng điều khiển hiển thị ba thẻ:

• Bộ dữ liệu : Tạo bộ dữ liệu mới hoặc kéo thả hình ảnh, video hoặc tệp ZIP để tải lên. Hiển thị các bộ dữ liệu gần đây của bạn.
• Dự ánTạo dự án mới hoặc xóa dự án hiện có. .pt Các tệp mô hình để tải lên. Hiển thị các dự án gần đây của bạn.
• Dung lượng lưu trữ : Tổng quan về mức sử dụng dung lượng lưu trữ của bạn (tập dữ liệu, mô hình, xuất khẩu) cùng với giới hạn của gói dịch vụ.

Bảng Hoạt động gần đây ở phía dưới hiển thị các tập dữ liệu, mô hình và các lần chạy huấn luyện gần nhất của bạn.

Tải lên tập dữ liệu đầu tiên của bạn

Điều hướng đến Annotate trong thanh bên và nhấp chuột New Dataset Để thêm dữ liệu huấn luyện của bạn. Bạn cũng có thể kéo và thả trực tiếp các tệp vào thẻ Tập dữ liệu trên bảng điều khiển Trang chủ.

Ultralytics Nền tảng hỗ trợ nhiều định dạng tải lên (chi tiết đầy đủ trong phần Bộ dữ liệu ):

graph LR
    A[Drop Files] --> B[Auto-Package ZIP]
    B --> C[Upload to Storage]
    C --> D[Backend Worker]
    D --> E[Resize & Thumbnail]
    E --> F[Parse Labels]
    F --> G[Compute Statistics]
    G --> H[Dataset Ready]

Sau khi tải lên, nền tảng sẽ tự động xử lý dữ liệu của bạn:

1. Ảnh có kích thước lớn hơn 4096px sẽ được điều chỉnh kích thước (giữ nguyên tỷ lệ khung hình).
2. Ảnh thu nhỏ có kích thước 256px được tạo ra để duyệt nhanh.
3. Các nhãn được phân tích cú pháp và xác thực (YOLO .txt định dạng)
4. Các số liệu thống kê được tính toán (phân bố lớp, bản đồ nhiệt, kích thước)

my-dataset.zip
├── data.yaml          # Class names and splits
├── train/
│   ├── images/
│   │   ├── img001.jpg
│   │   └── img002.jpg
│   └── labels/
│       ├── img001.txt
│       └── img002.txt
└── val/
    ├── images/
    └── labels/

Tìm hiểu thêm về các tập dữ liệu và định dạng được hỗ trợ cho detect , segment , tư thế , OBB và classify .

Tạo dự án đầu tiên của bạn

Các dự án giúp bạn tổ chức các mô hình và thử nghiệm liên quan. Điều hướng đến Dự án và nhấp vào "Tạo Dự án".

Nhập tên và mô tả tùy chọn cho dự án của bạn. Dự án bao gồm:

• Mô hình: Các điểm kiểm tra đã huấn luyện
• Nhật ký hoạt động: Lịch sử thay đổi

Đọc thêm về các dự án.

Huấn luyện mô hình đầu tiên của bạn

Từ dự án của bạn, hãy nhấp chuột Train Model Bắt đầu khóa đào tạo về điện toán đám mây.

Cấu hình huấn luyện

1. Chọn tập dữ liệuChọn từ các tập dữ liệu bạn đã tải lên (chỉ các tập dữ liệu có train tách ra (được hiển thị)
2. Chọn mẫu : Chọn một mẫu cơ bản — chính thức Ultralytics mô hình hoặc mô hình được đào tạo của riêng bạn
3. Set Epochs : Số lần lặp huấn luyện (mặc định: 100)
4. Chọn GPU : Chọn tài nguyên tính toán dựa trên ngân sách và kích thước model của bạn.

Giám sát huấn luyện

Sau khi quá trình huấn luyện bắt đầu, bạn có thể theo dõi tiến độ theo thời gian thực thông qua ba tab phụ:

Các chỉ số được truyền tải theo thời gian thực thông qua SSE (Server-Sent Events). Sau khi quá trình huấn luyện hoàn tất, các biểu đồ xác thực được tạo ra, bao gồm ma trận nhầm lẫn, đường cong PR và đường cong F1.

Tìm hiểu thêm về huấn luyện trên đám mây.

Kiểm tra mô hình của bạn

Sau khi quá trình huấn luyện hoàn tất, hãy kiểm tra mô hình của bạn trực tiếp trong trình duyệt:

1. Điều hướng đến mô hình của bạn Predict tab
2. Tải ảnh lên, kéo và thả, hoặc sử dụng ảnh ví dụ (tự động nhận diện khi kéo thả).
3. Xem kết quả suy luận với các khung bao được hiển thị trên canvas.

Điều chỉnh các tham số suy luận:

Hàm Predict Tab này cung cấp các ví dụ mã sẵn sàng sử dụng với khóa API thực tế của bạn đã được điền sẵn:

import requests

url = "https://platform.ultralytics.com/api/models/{model_id}/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())

curl -X POST "https://platform.ultralytics.com/api/models/{model_id}/predict" \
  -H "Authorization: Bearer your_api_key" \
  -F "file=@image.jpg"

Tìm hiểu thêm về suy luận.

Triển khai vào sản xuất

Triển khai mô hình của bạn đến một điểm cuối chuyên dụng để sử dụng trong môi trường sản xuất:

1. Điều hướng đến mô hình của bạn Deploy tab
2. Chọn một khu vực từ bản đồ thế giới tương tác (có 43 khu vực).
3. The map shows real-time latency measurements with traffic light colors (green < 100ms, yellow < 200ms, red > 200ms)
4. Nhấp chuột Deploy để tạo điểm cuối của bạn

graph LR
    A[Select Region] --> B[Deploy]
    B --> C[Provisioning ~1 min]
    C --> D[Running]
    D --> E{Lifecycle}
    E --> F[Stop]
    E --> G[Delete]
    F --> H[Resume]
    H --> D

Điểm cuối của bạn sẽ sẵn sàng trong khoảng một phút với:

• URL duy nhất: Điểm cuối HTTPS cho các lệnh gọi API
• Tự động điều chỉnh quy mô: Tự động điều chỉnh quy mô theo lưu lượng truy cập
• Giám sát: Các chỉ số yêu cầu và nhật ký

Sau khi triển khai, bạn có thể quản lý tất cả các thiết bị đầu cuối của mình từ đó. Deploy Phần này nằm ở thanh bên, hiển thị bản đồ toàn cầu với các triển khai đang hoạt động, số liệu tổng quan và danh sách tất cả các điểm cuối.

Tìm hiểu thêm về các điểm cuối.

Đào tạo từ xa (Tùy chọn)

Nếu bạn muốn huấn luyện trên phần cứng của riêng mình, bạn có thể truyền dữ liệu đo lường đến nền tảng bằng khóa API của mình. Cách thức hoạt động như sau: Weights & Biases — Huấn luyện ở bất cứ đâu, theo dõi trên nền tảng.

1. Tạo khóa API trong Settings > Profile (Phần Khóa API)
2. Thiết lập biến môi trường và huấn luyện với... project/name định dạng:

export ULTRALYTICS_API_KEY="ul_your_api_key_here"

yolo train model=yolo26n.pt data=coco.yaml epochs=100 project=username/my-project name=exp1

Tìm hiểu thêm về khóa API , URI tập dữ liệu và đào tạo từ xa .

Phản hồi

Chúng tôi đánh giá cao phản hồi của bạn! Sử dụng nút phản hồi để giúp chúng tôi cải thiện nền tảng.

Cần trợ giúp?

Nếu bạn gặp bất kỳ sự cố nào hoặc có câu hỏi:

• Tài liệu: Duyệt qua các tài liệu này để tìm các hướng dẫn chi tiết
• Discord: Tham gia cộng đồng Discord của chúng tôi để thảo luận
• GitHub: Báo cáo sự cố trên GitHub

📅 Được tạo 1 tháng trước ✍️ Cập nhật 4 ngày trước

Bình luận