Hướng dẫn nhanh Ultralytics Platform#

Ultralytics Platform cung cấp quy trình có hướng dẫn để tải lên các tập dữ liệu, huấn luyện các model YOLO mới từ trọng số được huấn luyện trước, kiểm thử các model đã hoàn thành trực tiếp trên trình duyệt và cấu hình các endpoint suy luận chuyên dụng.

Sơ đồ tương tác dưới đây mô tả bốn giai đoạn chính của quy trình làm việc trên Ultralytics Platform. Nhấp vào bất kỳ giai đoạn hoặc bước phụ nào để truy cập các 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 của mình, hoặc sử dụng địa chỉ email.

Chọn khu vực#

Trong quá trình thiết lập ban đầu, bạn sẽ được yêu cầu chọn vùng dữ liệu của mình. Platform sẽ tự động đo độ trễ tới từng vùng và đề xuất vùng gần nhất. Lựa chọn này quyết định nơi lưu trữ tập dữ liệu, model và dữ liệu huấn luyện được quản lý của bạn. Các vùng endpoint chuyên dụng được chọn riêng khi bạn triển khai một model.

Credit miễn phí#

Mỗi tài khoản mới sẽ nhận được credit miễn phí cho việc huấn luyện trên cloud GPU:

Hoàn thiện hồ sơ#

Quy trình onboarding 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 (tùy chọn) và mục đích sử dụng chính
2. Khu vực dữ liệu - Chọn US, EU, hoặc AP cùng bản đồ thế giới trực quan 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 credit chào mừng

Bảng điều khiển chính#

Sau khi đăng nhập, bạn sẽ được chuyển đến trang Chủ của Ultralytics Platform, nơi cung cấp thẻ chào mừng với các thống kê workspace, video tổng quan, quyền truy cập nhanh vào dataset, project và bộ nhớ, cùng với nguồn cấp hoạt động gần đây.

Thanh điều hướng#

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

Mỗi phần nội dung liệt kê năm mục gần đây nhất của bạn kèm theo liên kết đến phần còn lại. Di chuột qua một mục sẽ hiển thị thao tác xóa chuyển mục đó vào Thùng rác; Thùng rác có thể được truy cập 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 trang so sánh gói) và thống kê workspace của bạn trong nháy mắt. Mỗi số liệu liên kết đến chế độ xem workspace tương ứng:

Hành động nhanh#

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

• Tập dữ liệu: Tạo tập dữ liệu mới hoặc kéo thả hình ảnh, video hoặc các tệp tập dữ liệu để tải lên. Hiển thị các tập dữ liệu gần đây của bạn.
• Projects: Tạo một dự án mới hoặc thả các tệp model .pt để tải lên. Hiển thị các dự án gần đây của bạn.
• Lưu trữ: Tổng quan về dung lượng lưu trữ đã sử dụng (tập dữ liệu, model, xuất) kèm giới hạn gói dịch vụ.

Bảng Hoạt động Gần đây ở dưới cùng hiển thị các dataset, project và deployment mới nhất của bạn cùng với trạng thái và thời gian cập nhật lần cuối.

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 AI Chat#

Một tiện ích chat nổi có sẵn trên mọi trang. Nhấp vào đó để đặt câu hỏi về huấn luyện YOLO, chú thích, triển khai hoặc bất kỳ tính năng nào của nền tảng. Trợ lý sẽ cung cấp sự trợ giúp phù hợp dựa trên nội dung trang hiện tại.

Hướng dẫn onboarding#

Nền tảng bao gồm các chuyến tham quan có hướng dẫn để giới thiệu các tính năng chính khi bạn khám phá các phần khác nhau:

Khởi động lại Hướng dẫn#

Để phát lại bất kỳ hướng dẫn nào:

• Nút Làm lại Hướng dẫn — Nhấp vào avatar hồ sơ của bạn (ở góc dưới bên trái của thanh bên) để mở menu tài khoản, sau đó chọn Làm lại Hướng dẫn. Thao tác này đặt lại tất cả các hướng dẫn để chúng phát lại trong lần tiếp theo bạn truy cập vào từng phần.
• Tham số URL — Thêm ?tour= với ID hướng dẫn để khởi động lại trực tiếp một hướng dẫn: ?tour=nav trên trang Chủ, ?tour=project trên trang project hoặc ?tour=dataset trên trang dataset.

Tải lên Tập dữ liệu Đầu tiên của Bạn#

Mở Annotate trong thanh bên và nhấp vào + để tạo dataset mới. Bạn cũng có a thể kéo và thả file trực tiếp vào thẻ Dataset trên bảng điều khiển Chủ.

Hộp thoại Dataset Mới cung cấp bốn nguồn. Phần hướng dẫn nhanh này sử dụng Tải lên; các nguồn khác được đề cập trong Dataset và Tích hợp:

Tính năng tải lên hỗ trợ nhiều định dạng (chi tiết đầy đủ tại Dataset):

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 sẽ được thay đổi kích thước (giữ nguyên tỷ lệ khung hình)
2. Hình thu nhỏ 256px được tạo để duyệt nhanh
3. Nhãn định dạng YOLO, COCO và Ultralytics NDJSON được phân tích cú pháp và xác thực
4. Số liệu thống kê được tính toán (phân phối 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/

Đọc thêm về datasets và các định dạng được hỗ trợ cho detect, segment, pose, OBB và classify.

Tạo Dự án Đầu tiên của Bạn#

Project giúp bạn tổ chức các model và thử nghiệm liên quan. Mở Train trong thanh bên và nhấp vào + để tạo project. Bạn cũng có thể thả trọng số .pt vào thẻ Project trên bảng điều khiển Chủ để tạo project và nhập chúng trong một bước.

Nhập tên và mô tả tùy chọn. Projects tổ chức các lần chạy model và trọng số model được nhập hoặc nhân bản, đi kèm các biểu đồ để so sánh kết quả huấn luyện đã hoàn thành.

Đọc thêm về projects.

Huấn luyện Mô hình Đầu tiên của Bạn#

Từ project của bạn, hãy nhấp vào New Model để mở hộp thoại Huấn luyện Model Mới. Bạn cũng có thể bắt đầu từ trang dataset, trong trường hợp đó dataset sẽ được khóa sẵn và bạn chọn project đích thay thế.

Cấu hình Huấn luyện#

1. Base Model: Chọn trọng số chính thức của Ultralytics hoặc một trong các model đã được huấn luyện của riêng bạn. Hộp thoại sẽ cảnh báo nếu tác vụ của model và tác vụ của dataset không khớp.
2. Dataset: Chọn một dataset sẵn sàng với ít nhất một hình ảnh huấn luyện, ít nhất một hình ảnh xác thực hoặc kiểm tra, và ít nhất một hình ảnh có nhãn
3. Tham số: Đặt Số Epoch (mặc định là 100), Kích thước Batch (để trống nghĩa là tự động), Kích thước Hình ảnh (mặc định là 640) và Tên chạy tùy chọn. Mở rộng Cài đặt Nâng cao để chỉnh sửa bất kỳ đối số huấn luyện Ultralytics nào khác trong trình soạn thảo YAML.
4. Chọn GPU: Trên tab Huấn luyện Đám mây, chọn phần cứng tính toán dựa trên ngân sách và kích thước model của bạn. Mặc định là RTX PRO 6000 (96 GB Blackwell, 2,09 USD/giờ), có thể xử lý mọi biến thể YOLO26. Xem bảng giá GPU đầy đủ hoặc bước GPU Huấn luyện Đám mây để biết danh sách hoàn chỉnh và cấp độ phân chia.
5. Bắt đầu Huấn luyện: Xem lại chi phí và thời gian ước tính bên cạnh số dư tín dụng của bạn, sau đó nhấp vào Start Training.

Theo dõi Huấn luyện#

Khi quá trình huấn luyện bắt đầu, hãy mở tab Train của model để theo dõi tiến trình trong thời gian thực thông qua ba tab phụ:

Các chỉ số được truyền phát trong thời gian thực qua SSE (Server-Sent Events). Khi các artifact xác thực tồn tại, tab phụ Biểu đồ sẽ tách thành chế độ xem Huấn luyện và Xác thực, với ma trận nhầm lẫn (confusion matrix), đường cong PR và đường cong F1 nằm ở mục Xác thực.

Đọc thêm về cloud training.

Kiểm tra Mô hình của Bạn#

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

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

Điều chỉnh các tham số suy luận:

Dưới Tài liệu API, tab Predict hiển thị mã nguồn mẫu bằng Python, JavaScript và cURL, được điền sẵn các tham số bạn đã chọn ở trên. Hãy triển khai model trước, sau đó thay thế URL và khóa 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())

Đọc thêm về inference.

Triển khai vào Sản xuất#

Triển khai mô hình của bạn tới một endpoint chuyên dụng để sử dụng trong sản xuất:

1. Điều hướng đến tab Deploy của model bạn
2. Platform đo độ trễ tới tất cả 42 khu vực và vẽ chúng trên bản đồ thế giới, được tô màu theo dải chuyển màu từ xanh lục sang đỏ (độ trễ thấp hơn có màu xanh lục hơn, độ trễ cao hơn có màu đỏ hơn)
3. Trong bảng Độ trễ Khu vực bên dưới bản đồ — được sắp xếp theo độ trễ từ vị trí của bạn — hãy tìm khu vực bạn muốn. Sử dụng Rescan để đo lại bất cứ lúc nào.
4. Nhấp vào Deploy trên hàng đó để tạo endpoint của bạn

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

Khi quá trình cấp phát hoàn tất, endpoint của bạn cung cấp:

• URL Duy nhất: Endpoint HTTPS cho các cuộc gọi API
• Hành vi thu nhỏ về 0: Các endpoint nhàn rỗi sẽ tự động thu nhỏ về 0 (các bản triển khai hiện tại chạy một instance hoạt động duy nhất)
• Giám sát: Các chỉ số và nhật ký yêu cầu

Sau khi triển khai, bạn có thể quản lý tất cả các endpoint của mình từ phần Deploy trong thanh bên. Bảng điều khiển deployment hiển thị bản đồ toàn cầu với các deployment đang hoạt động của bạn, các chỉ số trong 24 giờ (tổng số yêu cầu, deployment đang hoạt động, tỷ lệ lỗi và độ trễ P95), cùng với danh sách mọi endpoint.

Đọc thêm về endpoints.

Huấn luyện Từ xa (Tùy chọn)#

Nếu bạn thích huấn luyện trên phần cứng của riêng mình, bạn có thể sử dụng API key của mình để huấn luyện ở bất kỳ đâu và truyền phát số liệu về Ultralytics Platform.

Tuyến đường nhanh nhất là tab Huấn luyện Cục bộ trong hộp thoại huấn luyện: tab này xây dựng lệnh đầy đủ cho model, dataset và các tham số bạn đã chọn, đồng thời điền sẵn khóa API (tạo mới nếu bạn chưa có). Hãy sao chép lệnh đó và chạy trong terminal của bạn.

Để tự lắp ráp 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 keys, dataset URIs và remote training.

Phản hồi & Trợ giúp#

Trang Trợ giúp ở chân trang thanh bên tổng hợp các liên kết tài liệu, video hướng dẫn và tài nguyên cộng đồng, đồng thời bao gồm biểu mẫu phản hồi trong ứng dụng. Bạn có thể đánh giá trải nghiệm của mình từ 1 đến 5 sao, chọn loại phản hồi (Lỗi, Tính năng hoặc Chung) và đính kèm ảnh chụp màn hình.

Nếu bạn cần thêm trợ giúp:

• AI Chat: Nhấp vào widget trò chuyện nổi trên bất kỳ trang nào để được trợ giúp ngay lập tức
• Documentation: Duyệt qua các tài liệu này để xem hướng dẫn chi tiết về datasets, annotation, training, deployment và billing
• Discord: Tham gia Discord community 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 các tính năng của Platform