Link to this section帮助#
欢迎来到 Ultralytics 帮助页面。此页面汇总了实用指南、政策和常见问题解答，以支持你在 Ultralytics YOLO 模型和仓库方面的工作。
- 常见问题解答 (FAQ)：查找 Ultralytics YOLO 用户和贡献者社区遇到的常见问题及解答。
- 贡献指南：了解做出贡献的流程，包括如何提交 pull request、报告 bug 等。
- 持续集成 (CI) 指南：深入了解我们采用的 CI 流程，并查看每个 Ultralytics 仓库的状态报告。
- 贡献者许可协议 (CLA)：查阅 CLA，以了解与为 Ultralytics 项目做出贡献相关的权利和责任。
- 最小可复现示例 (MRE) 指南：学习创建 MRE 的流程，这对及时有效地解决 bug 报告至关重要。
- 行为准则：我们的社区准则旨在为所有协作者营造一个尊重和开放的氛围。
- 环境、健康与安全 (EHS) 政策：深入了解我们对可持续发展及所有利益相关者福祉的承诺。
- 安全政策：熟悉我们的安全协议以及漏洞报告流程。
- 隐私政策：阅读我们的隐私政策，了解我们在所有服务和运营中如何保护你的数据并尊重你的隐私。
我们鼓励你查阅这些资源，以获得顺畅且高效的体验。如果需要更多支持，请通过 GitHub Issues 或 Ultralytics 社区 联系我们。
Link to this section常见问题解答#
Link to this section什么是 Ultralytics YOLO，它对我的 机器学习 项目有什么帮助？#
Ultralytics YOLO (You Only Look Once) 是一款先进的实时 目标检测 模型。其最新版本 YOLO26 提供了更快、更轻量、端到端且无需 NMS 的推理，并针对边缘设备和低功耗设备进行了优化，使其成为从实时视频分析到高级机器学习研究等广泛应用的理想选择。YOLO 在检测图像和视频中的物体方面的卓越效率，使其成为希望将强大的 计算机视觉 能力集成到项目中的企业和研究人员的首选解决方案。
有关 YOLO26 的更多详情，请访问 YOLO26 文档。
Link to this section我该如何为 Ultralytics YOLO 仓库做出贡献？#
为 Ultralytics YOLO 仓库做出贡献非常简单。首先请查阅 贡献指南，了解提交 pull request、报告 bug 等流程。你还需要签署 贡献者许可协议 (CLA)，以确保你的贡献受到法律认可。如需有效地报告 bug，请参考 最小可复现示例 (MRE) 指南。
Link to this section我为什么要使用 Ultralytics Platform 进行机器学习项目？#
Ultralytics Platform 为管理你的机器学习项目提供了一个无缝的零代码解决方案。它使你能够轻松生成、训练和部署像 YOLO26 这样的 AI 模型。其独特功能包括云端训练、实时跟踪和直观的数据集管理。Ultralytics Platform 简化了从数据处理到 模型部署 的整个工作流程，使其成为初学者和高级用户不可或缺的工具。
要开始使用，请访问 Ultralytics Platform 快速入门。
Link to this section什么是 Ultralytics 中的持续集成 (CI)，它如何确保高质量的代码？#
Ultralytics 中的持续集成 (CI) 包含确保代码库完整性和质量的自动化流程。我们的 CI 设置包括 Docker 部署、死链检查、CodeQL 分析 和 PyPI 发布。这些流程通过自动运行新提交代码的测试和检查，帮助维护稳定且安全的仓库。
在 持续集成 (CI) 指南 中了解更多信息。
Link to this sectionUltralytics 如何处理 数据隐私？#
Ultralytics 非常重视数据隐私。我们的 隐私政策 概述了我们如何收集和使用匿名数据来改进 YOLO 包，同时优先保障用户的隐私和控制权。我们遵守严格的数据保护法规，以确保你的信息在任何时候都是安全的。
有关更多信息，请查阅我们的 隐私政策。