Link to this sectionUltralytics Platform#

Ultralytics Platform 是一个全面的端到端计算机视觉平台，可简化从数据准备到模型部署的整个机器学习工作流。它专为需要生产级 computer vision 解决方案且无需处理复杂基础设施的团队和个人打造。

Link to this section什么是 Ultralytics Platform？#

Ultralytics Platform 旨在用统一的解决方案取代零散的机器学习工具。它集成了以下功能：

• Roboflow - 数据管理和标注
• Weights & Biases - 实验跟踪
• SageMaker - 云端训练
• HuggingFace - 模型部署
• Arize - 监控

这是一个集所有功能于一体的平台，并原生支持 YOLO26 和 YOLO11 模型。

Link to this section工作流：上传 → 标注 → 训练 → 导出 → 部署#

该平台提供端到端的工作流：

graph LR
    subgraph Data["📁 Data"]
        A[Upload]:::start --> B[Annotate]:::proc
        B --> C[Analyze]:::proc
    end
    subgraph Train["🚀 Train"]
        D[Configure]:::proc --> E[Train on GPU]:::proc
        E --> F[View Metrics]:::out
    end
    subgraph Deploy["🌐 Deploy"]
        G[Export]:::proc --> H[Deploy Endpoint]:::proc
        H --> I[Monitor]:::out
    end
    Data --> Train --> Deploy

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

你能做什么：

• 上传 图像、视频和数据集文件以创建训练数据集
• 可视化 带有交互式叠加层的标注，适用于所有 6 种 YOLO 任务类型（详见支持的任务）
• 训练模型于云端 GPU（所有套餐 24 款，Pro 或 Enterprise 可使用 B200 和 B300，共 26 款）并获取实时指标
• 导出为 19+ 种部署格式 (ONNX, TensorRT, CoreML, LiteRT 等)
• 部署 到 43 个全球区域，一键生成专用端点
• 监控 训练进度、部署健康状况和使用指标
• 协作，通过将项目和数据集公开给社区来共同参与

Link to this section多区域基础设施#

你的数据保留在你所在的区域。Ultralytics Platform 在全球三个区域运营基础设施：

你在入职阶段选择区域后，所有数据、模型和部署都将保留在该区域。

Link to this section主要特性#

Link to this section数据准备#

• 数据集管理：上传图像、视频或数据集文件，并进行自动处理
• 标注编辑器：支持所有 6 种 YOLO 任务类型的手动标注（检测、分割、语义、姿态、OBB、分类；详见支持的任务）
• 骨架模板：内置（人、手、脸、狗、盒）及自定义骨架模板，实现一键姿态标注
• 智能标注：从标注工具栏中使用 SAM 2.1（Tiny、Small、Base、Large）、SAM 3、预训练的 Ultralytics YOLO 模型，或你自己的微调 YOLO 模型进行检测、分割、语义和 OBB 任务
• 数据集版本控制：创建带有描述的编号 NDJSON 快照，以便进行可重复的训练
• 统计信息：类别分布、位置热力图和维度分析

graph LR
    A[Upload Dataset/Images/Video]:::start --> B[Auto-Process]:::proc
    B --> C[Browse & Filter]:::proc
    C --> D{Annotate}:::decide
    D --> E[Manual Tools]:::proc
    D --> F[SAM Smart]:::proc
    D --> G[YOLO Auto-Label]:::proc
    E --> H[Train-Ready Dataset]:::out
    F --> H
    G --> H

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

Link to this section模型训练#

• 云端训练：在云端 GPU 上进行训练（所有套餐 24 款，Pro 或 Enterprise 可使用 B200 和 B300，共 26 款）并获取实时指标
• 远程训练：在任何地方进行训练，并将指标流式传输到平台（类似 W&B 的风格）
• 项目组织：对相关模型进行分组、比较实验、跟踪活动
• 19+ 种导出格式：ONNX, TensorRT, CoreML, LiteRT 等（请参阅 支持的格式）

你可以通过 Web UI（云端训练）或在你自己的机器上（远程训练）训练模型：

Link to this section部署#

• 推理测试：直接在浏览器中使用自定义图像测试模型
• 专用端点：部署到 43 个全球区域，默认支持零缩放（单一活跃实例）
• 监控：实时指标、请求日志和性能仪表板

graph LR
    A[Trained Model]:::start --> B{Action}:::decide
    B --> C[Browser Predict]:::proc
    B --> D[Export Format]:::proc
    B --> E[Deploy Endpoint]:::proc
    D --> F[ONNX / TensorRT / CoreML / LiteRT / ...]:::out
    E --> G[43 Global Regions]:::proc
    G --> H[API Endpoint URL]:::proc
    H --> I[Monitor & Scale]:::out

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

部署完成后，你可以使用任何语言调用你的端点：

import requests

url = "https://your-endpoint-url/predict"
headers = {"Authorization": "Bearer YOUR_API_KEY"}

with open("image.jpg", "rb") as f:
    response = requests.post(url, headers=headers, files={"file": f})

print(response.json())

Link to this section账户管理#

• 团队与组织：与团队成员协作，管理角色和邀请
• API 密钥：为远程训练和 API 访问提供安全的密钥管理
• 额度与计费：采用按需付费的训练模式，定价透明
• 活动订阅：跟踪所有账户事件和操作
• 回收站与恢复：30 天软删除，支持项目恢复
• GDPR 合规：支持数据导出和账户删除

Link to this section快捷链接#

利用以下资源开始：

• 快速入门：创建你的第一个项目并在几分钟内训练一个模型
• 数据集：上传并管理你的训练数据
• 标注：使用手动和 AI 辅助工具标注你的数据
• 项目：组织你的模型和实验
• 云端训练：在云端 GPU 上进行训练
• 推理：测试你的模型
• 端点：将模型部署到生产环境
• 监控：跟踪部署性能
• API 密钥：管理 API 访问
• 计费：额度和支付
• 活动：跟踪账户事件
• 回收站：恢复已删除的项目
• REST API：API 参考文档

Link to this section常见问题解答#

Link to this section如何开始使用 Ultralytics Platform？#

要开始使用 Ultralytics Platform，请按以下步骤操作：

1. 注册：在 platform.ultralytics.com 创建一个账户
2. 选择区域：在入职期间选择你的数据区域（美国、欧洲或亚太地区）
3. 上传数据集：导航到数据集部分上传你的数据
4. 训练模型：创建一个项目并开始在云端 GPU 上训练
5. 部署：测试你的模型并部署到专用端点

有关详细指南，请参阅快速入门页面。

Link to this sectionUltralytics Platform 有哪些优势？#

Ultralytics Platform 提供：

• 统一工作流：在一个地方完成数据、训练和部署
• 多区域：数据驻留在美国、欧洲或亚太地区
• 零代码训练：无需编写代码即可训练先进的 YOLO 模型
• 实时指标：流式传输训练进度并监控部署情况
• 43 个部署区域：在全球范围内将模型部署到离用户更近的地方
• 6 种任务类型：支持检测、实例分割、语义分割、姿态估计、OBB（旋转框）和分类（请参阅 任务文档）
• AI 辅助标注：利用 SAM 和 YOLO 模型进行 智能标注，加快数据准备速度

Link to this section云端训练有哪些 GPU 选项可用？#

Ultralytics Platform 为云端训练提供了多种 GPU 类型支持：

请参阅 云端训练 了解完整的定价和 GPU 选项。

Link to this section远程训练是如何工作的？#

你可以在自己的硬件上训练模型，并将实时指标流式传输到平台，这与 Weights & Biases 类似。

pip install "ultralytics>=8.4.60"

# Set your API key
export ULTRALYTICS_API_KEY="YOUR_API_KEY"

# Train with project/name to stream metrics
yolo train model=yolo26n.pt data=coco.yaml epochs=100 project=username/my-project name=exp1

有关远程训练的更多详情，请参阅 云端训练。

Link to this section有哪些可用的标注工具？#

该平台包含一个功能齐全的标注编辑器，支持：

• 手动工具：边界框、多边形、带有骨架模板的关键点、旋转框、分类
• 骨架模板：使用内置模板（人物、手部、面部、狗、盒子）或自定义模板一次性放置所有关键点
• 智能标注：使用 SAM 2.1 或 SAM 3 进行基于点击的标注，或从工具栏运行预训练的 Ultralytics YOLO 模型以及你自己微调的 YOLO 模型，以进行检测、分割、语义和 OBB 标注
• 键盘快捷键：通过热键实现高效工作流

请参阅 标注 获取完整指南。

Link to this section支持哪些导出格式？#

该平台支持 19 种以上的部署格式：

有关格式特定的选项，请参阅 模型导出、导出模式指南 以及 集成索引。

Link to this section故障排除#

Link to this section数据集问题#

Link to this section训练问题#

Link to this section部署问题#

Link to this section常见问题#