Model

Ultralytics Platform cung cấp khả năng quản lý mô hình toàn diện để huấn luyện, phân tích và triển khai các mô hình YOLO. Bạn có thể tải lên các mô hình đã được huấn luyện trước hoặc huấn luyện mô hình mới trực tiếp trên nền tảng.

Tổng quan Tab Trang Mô hình Ultralytics Platform

Tải lên mô hình

Tải lên trọng số mô hình hiện có lên nền tảng:

Điều hướng đến dự án của bạn
Kéo và thả các tệp .pt vào trang dự án hoặc thanh bên của mô hình
Siêu dữ liệu mô hình được phân tích tự động từ tệp

Có thể tải lên nhiều tệp cùng lúc (tối đa 3 tệp đồng thời).

Tải lên mô hình bằng cách kéo thả trên Ultralytics Platform

Các định dạng mô hình được hỗ trợ:

Định dạng	Phần mở rộng	Mô tả
PyTorch	`.pt`	Định dạng gốc của Ultralytics

Sau khi tải lên, nền tảng sẽ phân tích siêu dữ liệu mô hình:

Loại tác vụ (detect, segment, pose, OBB, classify)
Kiến trúc (YOLO26n, YOLO26s, v.v.)
Tên lớp và số lượng
Kích thước đầu vào và tham số
Kết quả huấn luyện và các chỉ số (nếu có trong checkpoint)

Huấn luyện mô hình

Huấn luyện một mô hình mới trực tiếp trên nền tảng:

Điều hướng đến dự án của bạn
Nhấp vào New Model
Chọn mô hình cơ sở và tập dữ liệu
Cấu hình các tham số huấn luyện
Chọn huấn luyện trên đám mây hoặc cục bộ
Bắt đầu huấn luyện

Xem Cloud Training để biết hướng dẫn chi tiết.

Vòng đời mô hình

graph LR
    A[Upload .pt] --> B[Overview]
    C[Train] --> B
    B --> D[Predict]
    B --> E[Export]
    B --> F[Deploy]
    E --> G[17+ Formats]
    F --> H[Endpoint]

    style A fill:#4CAF50,color:#fff
    style C fill:#FF9800,color:#fff
    style E fill:#2196F3,color:#fff
    style F fill:#9C27B0,color:#fff

Các tab của trang mô hình

Mỗi trang mô hình có các tab sau:

Tab	Nội dung
Tổng quan	Siêu dữ liệu mô hình, các chỉ số chính, liên kết tập dữ liệu
Huấn luyện	Biểu đồ huấn luyện, đầu ra bảng điều khiển, thống kê hệ thống
Dự đoán	Suy luận tương tác trên trình duyệt
Xuất	Chuyển đổi định dạng với tùy chọn chọn GPU
Triển khai	Tạo và quản lý endpoint

Tab Tổng quan

Hiển thị siêu dữ liệu mô hình và các chỉ số chính:

Tên mô hình (có thể chỉnh sửa), huy hiệu trạng thái, loại tác vụ
Các chỉ số cuối cùng (mAP50, mAP50-95, precision, recall)
Biểu đồ đường nhỏ hiển thị tiến trình huấn luyện
Các đối số huấn luyện (số epoch, batch size, kích thước ảnh, v.v.)
Liên kết tập dữ liệu (khi được huấn luyện với tập dữ liệu của Platform)
Nút tải xuống trọng số mô hình

Các chỉ số và đối số Tổng quan Mô hình trên Ultralytics Platform

Tab Huấn luyện

Tab Huấn luyện có ba tab con:

Tab con Biểu đồ

Biểu đồ chỉ số huấn luyện tương tác hiển thị đường cong loss và các chỉ số hiệu suất theo epoch:

Nhóm biểu đồ	Số liệu
Chỉ số	mAP50, mAP50-95, precision, recall
Train Loss	train/box_loss, train/cls_loss, train/dfl_loss
Val Loss	val/box_loss, val/cls_loss, val/dfl_loss
Tốc độ học (Learning Rate)	lr/pg0, lr/pg1, lr/pg2

Tab con Biểu đồ Huấn luyện Mô hình trên Ultralytics Platform

Tab con Bảng điều khiển (Console)

Đầu ra bảng điều khiển trực tiếp từ quá trình huấn luyện:

Truyền phát log thời gian thực trong khi huấn luyện
Thanh tiến trình epoch và kết quả kiểm định
Phát hiện lỗi với các biểu ngữ lỗi được đánh dấu
Hỗ trợ màu ANSI cho đầu ra được định dạng

Tab con Bảng điều khiển Huấn luyện Mô hình trên Ultralytics Platform

Tab con Hệ thống

Các chỉ số GPU và hệ thống trong khi huấn luyện:

Chỉ số	Mô tả
Sử dụng GPU	Phần trăm sử dụng GPU
Bộ nhớ GPU	Mức sử dụng bộ nhớ GPU
Nhiệt độ GPU	Nhiệt độ GPU
Sử dụng CPU	Tỷ lệ sử dụng CPU
RAM	Mức sử dụng bộ nhớ hệ thống
Ổ đĩa	Mức sử dụng ổ đĩa

Tab con Hệ thống Huấn luyện Mô hình trên Ultralytics Platform

Tab Dự đoán

Chạy suy luận tương tác trực tiếp trên trình duyệt:

Tải ảnh lên, sử dụng ảnh mẫu, hoặc sử dụng webcam
Kết quả hiển thị với hộp bao (bounding box), mask, hoặc điểm đặc trưng (keypoints)
Tự động suy luận khi ảnh được cung cấp
Hỗ trợ tất cả các loại tác vụ (detect, segment, pose, OBB, classify)

Kiểm tra nhanh

Tab Dự đoán thực hiện suy luận trên Ultralytics Cloud, vì vậy bạn không cần GPU cục bộ. Kết quả được hiển thị với các lớp phủ tương tác phù hợp với loại tác vụ của mô hình.

Tab Xuất (Export)

Xuất mô hình của bạn sang hơn 17 định dạng triển khai. Xem Xuất mô hình bên dưới và hướng dẫn chính Export mode guide để biết chi tiết đầy đủ.

Tab Triển khai (Deploy)

Tạo và quản lý các endpoint suy luận chuyên dụng. Xem Triển khai để biết chi tiết.

Biểu đồ kiểm định

Sau khi huấn luyện hoàn tất, hãy xem phân tích kiểm định chi tiết:

Ma trận nhầm lẫn (Confusion Matrix)

Bản đồ nhiệt tương tác hiển thị độ chính xác dự đoán theo từng lớp:

Ma trận nhầm lẫn Mô hình trên Ultralytics Platform

Đường cong PR/F1

Đường cong hiệu suất ở các ngưỡng tin cậy khác nhau:

Ultralytics Platform Model Pr F1 Curves

Đường cong	Mô tả
Precision-Recall	Sự đánh đổi giữa precision và recall
F1-Confidence	Điểm F1 tại các mức tin cậy khác nhau
Precision-Confidence	Precision tại các mức tin cậy khác nhau
Recall-Confidence	Recall tại các mức tin cậy khác nhau

Xuất mô hình (Export Model)

graph LR
    A[Select Format] --> B[Configure Args]
    B --> C[Export]
    C --> D{GPU Required?}
    D -->|Yes| E[Cloud GPU Export]
    D -->|No| F[CPU Export]
    E --> G[Download]
    F --> G

    style A fill:#2196F3,color:#fff
    style C fill:#FF9800,color:#fff
    style G fill:#4CAF50,color:#fff

Xuất mô hình của bạn sang hơn 17 định dạng triển khai:

Điều hướng đến tab Export
Chọn định dạng đích
Cấu hình các đối số xuất (kích thước ảnh, half precision, dynamic, v.v.)
Đối với các định dạng yêu cầu GPU (TensorRT), hãy chọn loại GPU
Nhấp vào Export
Tải xuống khi hoàn tất

Ultralytics Platform Model Export Tab Format List

Các định dạng được hỗ trợ

Nền tảng hỗ trợ xuất sang 17+ deployment formats: ONNX, TorchScript, OpenVINO, TensorRT, CoreML, TF SavedModel, TF GraphDef, TF Lite, TF Edge TPU, TF.js, PaddlePaddle, NCNN, MNN, RKNN, IMX500, Axelera, và ExecuTorch.

Hướng dẫn chọn định dạng

Mục tiêu	Định dạng khuyến nghị	Ghi chú
NVIDIA GPUs	TensorRT	Tốc độ suy luận tối đa
Phần cứng Intel	OpenVINO	CPU, GPU và VPU
Thiết bị Apple	CoreML	iOS, macOS, Apple Silicon
Android	TF Lite hoặc NCNN	Hiệu suất di động tốt nhất
Trình duyệt Web	TF.js hoặc ONNX	ONNX thông qua ONNX Runtime Web
Thiết bị Edge	TF Edge TPU hoặc RKNN	Coral và Rockchip (xem supported chips)
Tổng quát	ONNX	Hoạt động với hầu hết các runtime

Ultralytics Platform Model Export Progress

Hỗ trợ chip RKNN

Khi xuất sang định dạng RKNN, hãy chọn thiết bị Rockchip mục tiêu của bạn:

Chip	Mô tả
RK3588	SoC edge cao cấp
RK3576	SoC edge tầm trung
RK3568	SoC edge tầm trung
RK3566	SoC edge tầm trung
RK3562	SoC edge phổ thông
RV1103	Bộ xử lý thị giác (Vision processor)
RV1106	Bộ xử lý thị giác (Vision processor)
RV1103B	Bộ xử lý thị giác (Vision processor)
RV1106B	Bộ xử lý thị giác (Vision processor)
RK2118	Bộ xử lý AI
RV1126B	Bộ xử lý thị giác (Vision processor)

Vòng đời tác vụ xuất

Các tác vụ xuất sẽ tiến triển qua các trạng thái sau:

Trạng thái	Mô tả
Queued	Tác vụ xuất đang chờ bắt đầu
Starting	Tác vụ xuất đang khởi tạo
Running	Đang thực hiện xuất
Completed	Đã xuất xong — có thể tải xuống
Failed	Xuất thất bại (xem thông báo lỗi)
Cancelled	Tác vụ xuất đã bị người dùng hủy

Thời gian xuất

Thời gian xuất thay đổi tùy theo định dạng. Xuất TensorRT có thể mất vài phút do tối ưu hóa engine. Các định dạng yêu cầu GPU (TensorRT) chạy trên Ultralytics Cloud GPUs — GPU mặc định để xuất là RTX 4090.

Thao tác xuất hàng loạt

Export All: Nhấp Export All để bắt đầu các tác vụ xuất cho tất cả các định dạng dựa trên CPU với các cài đặt mặc định.
Delete All Exports: Nhấp Delete All để xóa tất cả các tệp xuất cho mô hình.

Hạn chế về định dạng

Một số định dạng xuất có các hạn chế về kiến trúc hoặc tác vụ:

Định dạng	Hạn chế
IMX500	Chỉ khả dụng cho `YOLOv8n` và `YOLO11n`
Axelera	Chỉ dành cho các mô hình detect
PaddlePaddle	Không khả dụng cho các mô hình YOLO26 detect/segment/pose/OBB

Các quy tắc xuất bổ sung

Các bản xuất phân loại (Classification) không bao gồm NMS.
Các bản xuất CoreML với kích thước batch lớn hơn 1 sẽ sử dụng dynamic=true.
Các kết hợp định dạng/mô hình không được hỗ trợ sẽ bị vô hiệu hóa trong hộp thoại xuất trước khi bạn bắt đầu.

Sao chép mô hình

Sao chép mô hình sang một dự án khác:

Mở trang mô hình
Nhấp vào nút Clone
Chọn dự án đích
Nhấp vào Clone

Model và trọng số của nó được sao chép sang dự án đích.

Tải xuống Model

Tải xuống trọng số model của bạn:

Điều hướng đến tab Overview của model
Nhấp vào nút Download
Tệp .pt gốc sẽ tự động tải xuống

Các định dạng đã xuất có thể được tải xuống từ tab Export sau khi quá trình xuất hoàn tất.

Liên kết Dataset

Các model có thể được liên kết với dataset nguồn của chúng:

Xem dataset nào đã được sử dụng để huấn luyện
Nhấp vào thẻ dataset trên tab Overview để điều hướng đến đó
Theo dõi nguồn gốc dữ liệu

When training with Platform datasets using the ul:// URI format, linking is automatic.

Định dạng URI Dataset

# Train with a Platform dataset — linking is automatic
yolo train model=yolo26n.pt data=ul://username/datasets/my-dataset epochs=100

Lược đồ ul:// trỏ đến dataset trên Platform của bạn. Tab Overview của model đã huấn luyện sẽ hiển thị liên kết quay lại dataset này (xem Sử dụng Platform Datasets).

Cài đặt hiển thị

Kiểm soát người có thể xem model của bạn:

Cài đặt	Mô tả
Private	Chỉ bạn mới có quyền truy cập
Public	Bất kỳ ai cũng có thể xem trên trang Explore

Để thay đổi quyền hiển thị, hãy nhấp vào huy hiệu hiển thị (ví dụ: private hoặc public) trên trang model. Chuyển sang private sẽ có hiệu lực ngay lập tức. Chuyển sang public sẽ hiển thị hộp thoại xác nhận trước khi áp dụng.

Xóa Model

Xóa model bạn không còn cần nữa:

Mở menu hành động của model
Nhấp vào Delete
Xác nhận xóa

Thùng rác và Khôi phục

Các model đã xóa sẽ chuyển vào Thùng rác trong 30 ngày. Khôi phục từ Cài đặt > Thùng rác.

Xem thêm

Inference: Kiểm thử model trong trình duyệt với tab Predict
Endpoints: Triển khai model vào môi trường production với các endpoint chuyên dụng
Cloud Training: Cấu hình và chạy các tác vụ huấn luyện trên GPU đám mây
Export Formats: Hướng dẫn đầy đủ về hơn 17 định dạng xuất

Câu hỏi thường gặp (FAQ)

Những kiến trúc model nào được hỗ trợ?

Ultralytics Platform hỗ trợ đầy đủ tất cả các kiến trúc YOLO với các dự án chuyên dụng:

YOLO26: các biến thể n, s, m, l, x (mới nhất, được khuyến nghị) — platform.ultralytics.com/ultralytics/yolo26
YOLO11: các biến thể n, s, m, l, x — platform.ultralytics.com/ultralytics/yolo11
YOLOv8: các biến thể n, s, m, l, x — platform.ultralytics.com/ultralytics/yolov8
YOLOv5: các biến thể n, s, m, l, x — platform.ultralytics.com/ultralytics/yolov5

Tất cả các kiến trúc đều hỗ trợ 5 loại tác vụ: detect, segment, pose, OBB và classify.

Tôi có thể tải xuống mô hình đã huấn luyện của mình không?

Có, hãy tải xuống trọng số model của bạn từ trang model:

Nhấp vào biểu tượng tải xuống trên tab Overview
Tệp .pt gốc sẽ tự động tải xuống
Các định dạng đã xuất có thể được tải xuống từ tab Export

Làm cách nào để so sánh các model giữa các dự án?

Hiện tại, việc so sánh model được thực hiện trong nội bộ dự án. Để so sánh giữa các dự án:

Clone các model về một dự án duy nhất, hoặc
Xuất các chỉ số và so sánh từ bên ngoài

Kích thước model tối đa là bao nhiêu?

Không có giới hạn nghiêm ngặt, nhưng các model rất lớn (>2GB) có thể mất nhiều thời gian tải lên và xử lý hơn.

Tôi có thể fine-tune các model đã được huấn luyện trước không?

Có! Bạn có thể sử dụng bất kỳ model YOLO26 chính thức nào làm nền tảng hoặc chọn một trong các model đã hoàn tất của riêng bạn từ bộ chọn model trong hộp thoại huấn luyện. Platform hỗ trợ fine-tuning từ bất kỳ checkpoint nào đã tải lên.

Contributors

GLglenn-jocher⁹ LAlakshanthad¹ MYmykolaxboiko¹ SEsergiuwaxmann¹

Created 4 tháng trướcUpdated 5 ngày trước