AutoTrain với Ask AI#
AutoTrain sử dụng Ask AI để giúp bạn huấn luyện, so sánh và cải thiện model thông qua hội thoại. Bắt đầu với một baseline, xem xét kết quả rồi yêu cầu thử nghiệm tiếp theo. Ask AI cũng có thể tìm dataset, gắn nhãn ảnh, xuất model và triển khai chúng.
Đăng nhập vào Ultralytics Platform, mở dataset hoặc project của bạn rồi nhấp vào Ask AI.
Để sử dụng các thao tác trên Platform, trước tiên hãy tạo khóa API Ultralytics trong Settings > API Keys của không gian làm việc cá nhân. Ask AI tự động sử dụng khóa cá nhân hiện có của bạn; bạn không cần dán khóa vào cuộc trò chuyện. Khi làm việc với không gian làm việc nhóm, hãy thêm liên kết project hoặc dataset.
Gợi ý prompt#
Trong yêu cầu, hãy nêu metric mục tiêu, model, giới hạn epoch và số lượng thử nghiệm. Để có kết quả so sánh được, hãy giữ nguyên dataset, các tập chia và seed ngẫu nhiên, đồng thời mỗi lần chỉ thay đổi một cài đặt. Các lượt chạy trên cloud sử dụng training credits của bạn.
Mở dataset hoặc project liên quan rồi hỏi:
| Mục tiêu | Prompt ví dụ |
|---|---|
| Bắt đầu một project | Tạo một project riêng tư có tên "Wildlife Lab". Tìm và sao chép một dataset phát hiện động vật hoang dã, sau đó chuẩn bị một lượt huấn luyện baseline. |
| So sánh độ phân giải | Huấn luyện ba model trên dataset này với kích thước ảnh 640, 800 và 960. Giữ nguyên tất cả cài đặt khác và các tập chia dataset. |
| Khám phá một dataset | Tìm tàu chở hàng, container vận chuyển và cần cẩu trong xView. Đây có phải là điểm khởi đầu tốt cho logistics cảng biển không? |
| Tạo baseline | Huấn luyện YOLO26n trên dataset này và đặt tên lượt chạy là "xview-baseline". |
| So sánh các model | So sánh các model đã hoàn tất theo mAP50-95 trên tập validation. Giải thích những điểm khác biệt và đề xuất thử nghiệm tiếp theo. |
| Triển khai một model | Triển khai model đã hoàn tất có mAP tốt nhất trên tập validation trong project này. Cung cấp URL endpoint và trạng thái của model đó. |
| Tự động gắn nhãn | Sử dụng model tương thích tốt nhất của tôi để gắn nhãn các ảnh chưa có nhãn trong dataset này. Giữ nguyên các chú thích hiện có. |
| Đánh giá phân loại | Model nào có độ chính xác phân loại tốt nhất? Những giống nào vẫn khó phân biệt và chúng ta nên thử gì tiếp theo? |
| Xuất model | Xuất model này sang ONNX và gửi cho tôi liên kết tải xuống khi hoàn tất. |
Sử dụng coding agent của riêng bạn#
Ask AI sử dụng Platform CLI, ul cloud và platform-cli skill đi kèm. Bạn có thể sử dụng cùng các lệnh đó từ Claude Code, Codex hoặc một coding agent tương thích khác.
Cài đặt và kết nối#
Phần thiết lập bên dưới dành cho việc sử dụng Platform CLI với coding agent riêng của bạn bên ngoài Platform.
CLI ul đi kèm với gói Ultralytics trên Python 3.11+. Cài đặt hoặc cập nhật CLI:
pip install -U ultralyticsTạo khóa API Platform và thiết lập khóa đó trong terminal mà agent của bạn sử dụng. Kiểm tra kết nối bằng lệnh:
export ULTRALYTICS_API_KEY="YOUR_API_KEY"
ul cloud account summaryThêm skill#
Làm theo hướng dẫn cài đặt Agent Skills dành cho plugin Claude Code và Codex. Với các agent được skills CLI hỗ trợ, hãy cài đặt Platform skill bằng lệnh:
npx skills add ultralytics/skills --skill platform-cliSau đó, sử dụng các prompt như ví dụ ở trên, đồng thời thêm liên kết project hoặc dataset để cung cấp ngữ cảnh.
Chạy lệnh trực tiếp#
Sử dụng slug URL của project và model trong các lệnh. Những ví dụ này áp dụng cho không gian làm việc cá nhân của bạn; thêm owner=TEAM để nhắm đến không gian làm việc nhóm mà bạn tham gia:
ul cloud datasets list
ul cloud models list project=license-plate
ul cloud models training project=license-plate model=baseline
ul cloud training start --helpDùng ul cloud --help để khám phá các lệnh và ul cloud <resource> <operation> --help để xem các đối số của lệnh. Xem tài liệu tham khảo Platform API để biết thêm chi tiết.