Hướng dẫn bắt đầu nhanh với Ultralytics Platform#

Ultralytics Platform cung cấp quy trình được hướng dẫn để tải dataset lên, huấn luyện model YOLO mới từ trọng số pretrained, kiểm thử model đã hoàn tất trên trình duyệt và cấu hình endpoint suy luận chuyên dụng.

Sơ đồ tương tác sau đây phác thảo bốn giai đoạn chính trong quy trình làm việc của Ultralytics Platform. Nhấp vào bất kỳ giai đoạn hoặc bước phụ nào để xem hướng dẫn chi tiết cho phần đó.

graph LR
    A(Sign Up):::start --> B(Prepare Data):::proc --> C(Train):::proc --> D(Deploy):::out
    A -.- A1["<a href='#get-started'>Create account</a><br/><a href='#region-selection'>Select region</a>"]:::proc
    B -.- B1["<a href='#upload-your-first-dataset'>Upload dataset</a><br/><a href='#create-your-first-project'>Create Project</a>"]:::proc
    C -.- C1["<a href='#training-configuration'>Configure training</a><br/><a href='#monitor-training'>Monitor progress</a>"]:::proc
    D -.- D1["<a href='#test-your-model'>Test model</a><br/><a href='#deploy-to-production'>Deploy endpoint</a>"]:::proc

    click A "#get-started"
    click B "#upload-your-first-dataset"
    click C "#train-your-first-model"
    click D "#deploy-to-production"

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

Bắt đầu#

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

Chọn vùng#

Trong quá trình làm quen ban đầu, bạn sẽ được yêu cầu chọn vùng dữ liệu. Platform tự động đo độ trễ đến từng vùng và đề xuất vùng gần bạn nhất. Lựa chọn này xác định nơi lưu trữ dataset, model và dữ liệu huấn luyện được quản lý của bạn. Vùng dành cho endpoint chuyên dụng được chọn riêng khi bạn triển khai model.

Tín dụng miễn phí#

Mỗi tài khoản mới đều được cấp tín dụng miễn phí để huấn luyện trên GPU đám mây:

Hoàn tất hồ sơ#

Quy trình bắt đầu sử dụng sẽ hướng dẫn bạn qua ba bước:

1. Hồ sơ - Nhập tên hiển thị, tên người dùng duy nhất (cố định, không thể thay đổi sau này), tổ chức (không bắt buộc) và trường hợp sử dụng chính
2. Khu vực dữ liệu - Chọn US, EU hoặc AP trên bản đồ thế giới trực quan có hiển thị độ trễ
3. Hoàn tất - Xem lại các lựa chọn, tùy chọn áp dụng mã khuyến mãi và hoàn tất đăng ký để nhận tín dụng chào mừng

Trang chủ#

Sau khi đăng nhập, bạn sẽ được chuyển đến trang chủ của Ultralytics Platform, nơi có thẻ chào mừng hiển thị thống kê không gian làm việc, video tổng quan, lối tắt truy cập nhanh vào tập dữ liệu, dự án và bộ nhớ, cùng nguồn cấp hoạt động gần đây.

Điều hướng thanh bên#

Thanh bên cho phép truy cập vào tất cả các mục của Platform:

Mỗi phần nội dung liệt kê năm mục gần đây nhất của bạn cùng liên kết đến các mục còn lại. Di chuột lên một mục sẽ hiển thị thao tác xóa, thao tác này chuyển mục đó vào Thùng rác, ngoại trừ các deployment sẽ bị xóa vĩnh viễn sau khi xác nhận; bạn có thể mở Thùng rác từ tìm kiếm (Cmd+K) hoặc bằng cách mở platform.ultralytics.com/trash.

Thẻ chào mừng#

Thẻ chào mừng hiển thị hồ sơ, huy hiệu gói (liên kết đến phần so sánh gói) và thống kê tổng quan về không gian làm việc. Mỗi số liệu liên kết đến chế độ xem tương ứng trong không gian làm việc:

Thao tác nhanh#

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

• Tập dữ liệu: Tạo tập dữ liệu mới hoặc thả ảnh, video hay tệp tập dữ liệu vào để tải lên. Hiển thị các tập dữ liệu gần đây của bạn.
• Dự án: Tạo dự án mới hoặc thả tệp model .pt vào để tải lên. Hiển thị các dự án gần đây của bạn.
• Bộ nhớ: Tổng quan về mức sử dụng bộ nhớ của bạn (tập dữ liệu, model, bản xuất) cùng giới hạn theo gói.

Bảng Hoạt động gần đây ở cuối trang hiển thị các tập dữ liệu, dự án và bản triển khai mới nhất cùng trạng thái và thời điểm cập nhật gần nhất.

Tìm kiếm toàn cục#

Nhấn Cmd+K (Mac) hoặc Ctrl+K (Windows/Linux) để mở thanh tìm kiếm. Tìm kiếm tức thì trên các trang, dự án, tập dữ liệu và bản triển khai.

Trợ lý trò chuyện AI#

Nhấp vào Hỏi AI để làm việc với một AI agent tự động hóa các tác vụ trên Ultralytics Platform. AI agent làm việc trực tiếp với tập dữ liệu và model của bạn để gắn nhãn ảnh, chạy thử nghiệm huấn luyện, so sánh kết quả, cũng như xuất hoặc triển khai model. Xem Tự động huấn luyện với Hỏi AI để tham khảo prompt mẫu và cách thiết lập coding agent của riêng bạn.

Tour hướng dẫn bắt đầu#

Platform có các tour hướng dẫn giới thiệu những tính năng chính khi bạn khám phá các mục khác nhau:

Khởi động lại tour#

Để xem lại bất kỳ tour nào:

• Nút Xem lại tour — Nhấp vào ảnh đại diện hồ sơ (ở góc dưới bên trái thanh bên) để mở menu tài khoản, sau đó chọn Xem lại tour. Thao tác này đặt lại tất cả tour để chúng phát lại vào lần tiếp theo bạn truy cập từng mục.
• Tham số URL — Thêm ?tour= cùng ID tour để khởi động lại trực tiếp một tour: ?tour=nav trên trang chủ, ?tour=project trên trang dự án hoặc ?tour=dataset trên trang tập dữ liệu.

Tải tập dữ liệu đầu tiên lên#

Mở Annotate trên thanh bên và nhấp vào + để tạo tập dữ liệu mới. Bạn cũng có thể kéo thả tệp trực tiếp vào thẻ Tập dữ liệu trên bảng điều khiển Trang chủ.

Hộp thoại New Dataset cung cấp bốn nguồn. Hướng dẫn bắt đầu nhanh này sử dụng Upload; các nguồn còn lại được trình bày trong Datasets và Integrations:

Tính năng tải lên hỗ trợ nhiều định dạng (xem thông tin chi tiết trong Datasets):

graph LR
    A[Drop Files]:::start --> B[Auto-Package ZIP]:::proc
    B --> C[Upload to Storage]:::proc
    C --> D[Process Data]:::proc
    D --> E[Resize & Thumbnail]:::proc
    E --> F[Parse Labels]:::proc
    F --> G[Compute Statistics]:::proc
    G --> H[Dataset Ready]:::out

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

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

1. Hình ảnh lớn hơn 4096px được thay đổi kích thước (giữ nguyên tỷ lệ khung hình; tệp TIFF gốc được lưu như khi tải lên)
2. Tạo ảnh thu nhỏ 256px để duyệt nhanh
3. Nhãn YOLO, COCO, LabelMe và NDJSON của Ultralytics hoặc Labelbox sẽ được phân tích cú pháp và xác thực
4. Các thống kê được tính toán (phân bố lớp, heatmap, 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 datasets và các định dạng được hỗ trợ cho detect, segment, pose, OBB và classify.

Tạo project đầu tiên#

Project giúp bạn sắp xếp các model và thử nghiệm có liên quan. Mở Train trong thanh bên và nhấp vào + để tạo project. Bạn cũng có thể kéo thả trọng số .pt lên thẻ Projects trên dashboard Home để tạo project và nhập trọng số chỉ trong một bước.

Nhập tên và mô tả nếu muốn. Projects giúp sắp xếp các lượt chạy model cùng trọng số model được nhập hoặc sao chép, đồng thời cung cấp biểu đồ để so sánh kết quả huấn luyện đã hoàn tất.

Tìm hiểu thêm về projects.

Huấn luyện model đầu tiên#

Trong project của bạn, nhấp vào New Model để mở hộp thoại Train New Model. Bạn cũng có thể bắt đầu từ trang dataset; trong trường hợp đó, dataset đã được cố định và bạn chọn project đích.

Cấu hình huấn luyện#

1. Base Model: Chọn trọng số Ultralytics chính thức hoặc một trong các model bạn đã huấn luyện. Hộp thoại sẽ cảnh báo nếu tác vụ của model và tác vụ của dataset không khớp.
2. Dataset: Chọn dataset sẵn sàng sử dụng có ít nhất một hình ảnh huấn luyện, ít nhất một hình ảnh validation hoặc test và ít nhất một hình ảnh có nhãn
3. Parameters: Đặt Epochs (mặc định 100), Batch Size (để trống nghĩa là tự động), Image Size (mặc định 640) và Name tùy chọn cho lượt chạy. Mở rộng Advanced Settings để chỉnh sửa mọi đối số huấn luyện Ultralytics khác trong trình chỉnh sửa YAML.
4. Select GPU: Trong tab Cloud Training, chọn tài nguyên compute phù hợp với ngân sách và kích thước model. Mặc định là RTX PRO 6000 (96 GB Blackwell, $2.09/giờ), có thể xử lý mọi biến thể YOLO26. Xem đầy đủ trong bảng giá GPU hoặc bước GPU của Cloud Training để biết danh sách hoàn chỉnh và các giới hạn theo gói.
5. Start Training: Xem lại chi phí và thời lượng ước tính bên cạnh số dư tín dụng, sau đó nhấp vào Start Training.

Theo dõi quá trình huấn luyện#

Sau khi bắt đầu huấn luyện, mở tab Train của model để theo dõi tiến trình theo thời gian thực qua ba tab phụ:

Các chỉ số được truyền theo thời gian thực qua SSE (Sự kiện do máy chủ gửi). Khi có các artifact validation, tab phụ Charts sẽ chia thành chế độ xem Training và Validation; ma trận nhầm lẫn, đường cong PR và đường cong F1 nằm trong Validation.

Tìm hiểu thêm về cloud training.

Kiểm thử model#

Sau khi hoàn tất huấn luyện, hãy kiểm thử model trực tiếp trên trình duyệt:

1. Đi đến tab Predict của model
2. Tải hình ảnh lên, kéo thả hình ảnh, chụp ảnh bằng webcam hoặc nhấp vào hình ảnh mẫu (tự động suy luận khi thả tệp)
3. Xem các lớp phủ dự đoán phù hợp với tác vụ, thời gian của từng giai đoạn (tiền xử lý, suy luận, hậu xử lý, mạng) và phản hồi JSON thô

Điều chỉnh các tham số suy luận:

Trong API Docs, tab Predict hiển thị mã ví dụ bằng Python, JavaScript và cURL, được điền sẵn các tham số bạn đã chọn ở trên. Trước tiên, hãy deploy model, sau đó thay URL và key giữ chỗ bằng các giá trị từ endpoint của bạn:

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())

Tìm hiểu thêm về inference.

Deploy lên môi trường production#

Deploy model của bạn lên endpoint chuyên dụng để sử dụng trong môi trường production:

1. Đi đến tab Deploy của model
2. Platform đo độ trễ đến cả 42 khu vực và hiển thị các khu vực đó trên bản đồ thế giới với thang màu chuyển từ xanh lá sang đỏ (độ trễ thấp có màu xanh hơn, độ trễ cao có màu đỏ hơn)
3. Trong bảng Region Latency bên dưới bản đồ — được sắp xếp theo độ trễ từ vị trí của bạn — hãy tìm khu vực mong muốn. Sử dụng Rescan để đo lại bất cứ lúc nào.
4. Nhấp vào Deploy trên hàng đó để tạo endpoint

graph LR
    A[Select Region]:::start --> B[Deploy]:::proc
    B --> C[Provisioning]:::proc
    C --> D[Running]:::out
    D --> E{Lifecycle}:::decide
    E --> F[Stop]:::error
    E --> G[Delete]:::error
    F --> H[Resume]:::proc
    H --> D

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef decide fill:#FF9800,color:#fff
    classDef out fill:#9C27B0,color:#fff
    classDef error fill:#F44336,color:#fff

Sau khi hoàn tất cấp phát, endpoint của bạn cung cấp:

• Unique URL: Endpoint HTTPS để gọi API
• Cơ chế scale-to-zero: Endpoint kích thước mặc định khi không hoạt động sẽ scale về 0; endpoint kích thước tùy chỉnh luôn sẵn sàng và tính phí thời gian hoạt động theo giờ (deployment hiện chạy một instance hoạt động duy nhất).
• Monitoring: Chỉ số và log yêu cầu

Sau khi deploy, bạn có thể quản lý tất cả endpoint từ tab Deployments trên profile, truy cập qua mục Deployments trên thanh bên. Tab này hiển thị bản đồ toàn cầu với các deployment đang hoạt động, chỉ số trong 24 giờ (số deployment đang hoạt động, tổng số yêu cầu, tỷ lệ lỗi và độ trễ P95) cùng danh sách mọi endpoint.

Tìm hiểu thêm về endpoints.

Huấn luyện từ xa (Tùy chọn)#

Nếu muốn huấn luyện trên phần cứng của riêng mình, bạn có thể dùng API key để huấn luyện ở bất cứ đâu và truyền các chỉ số đến Ultralytics Platform.

Cách nhanh nhất là dùng tab Local Training trong hộp thoại huấn luyện: tab này tạo lệnh hoàn chỉnh cho model, dataset và tham số bạn đã chọn, đồng thời điền API key (tạo key nếu bạn chưa có). Sao chép lệnh và chạy trong terminal.

Để tự tạo lệnh:

1. Tạo API key trong Settings > API Keys
2. Đặt biến môi trường và huấn luyện với giá trị username/project cho project:

export ULTRALYTICS_API_KEY="YOUR_API_KEY"

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

Đọc thêm về API key, URI tập dữ liệu và huấn luyện từ xa.

Góp ý & Trợ giúp#

Trang Help ở chân thanh bên tập hợp các liên kết tài liệu, video hướng dẫn và tài nguyên cộng đồng, đồng thời có biểu mẫu gửi góp ý trong ứng dụng. Bạn có thể đánh giá trải nghiệm từ 1 đến 5 sao, chọn loại góp ý (Lỗi, Tính năng hoặc Chung) và đính kèm ảnh chụp màn hình.

Nếu cần thêm trợ giúp:

• Trò chuyện AI: Nhấp vào tiện ích trò chuyện nổi trên bất kỳ trang nào để được trợ giúp ngay lập tức
• Tài liệu: Tham khảo các tài liệu này để xem hướng dẫn chi tiết về tập dữ liệu, gán nhãn, huấn luyện, triển khai và thanh toán
• Discord: Tham gia cộng đồng Discord của chúng tôi để thảo luận
• GitHub: Báo cáo sự cố trên GitHub
• REST API và Python SDK: Xem tài liệu tham khảo API, cài đặt client ultralytics-platform hoặc dùng thử tài liệu API tương tác để truy cập theo chương trình vào tất cả tính năng của Platform

Câu hỏi thường gặp#