Ultralytics 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 ML 工作流程。该平台专为需要生产就绪计算机视觉解决方案、又不想处理复杂基础设施的团队和个人打造。

什么是 Ultralytics Platform?#
Ultralytics Platform 将数据集管理与标注、实验跟踪、云端和远程训练、模型导出、专用推理端点以及部署监控整合到一个工作空间中。该平台原生支持 YOLO26、YOLO11、YOLOv8 和 YOLOv5 模型。
工作流程:上传 → 标注 → 训练 → 导出或部署#
该平台提供端到端工作流程:
| 阶段 | 功能 |
|---|---|
| 上传 | 从你的设备、URL、云存储或本地部署的主机上传图像(50MB)、视频(1GB)和数据集文件(ZIP、TAR,包含 .tar.gz/.tgz、NDJSON) |
| 标注 | 支持 6 种任务类型的手动标注工具,以及用于检测、分割、语义分割和 OBB 的 智能标注:这些任务和姿势估计可使用 SAM 模型或 YOLO 模型;对于包含 1–200 个类别的检测数据集,可使用按类别提示的模型(托管的开源模型或付费提供商模型)(请参阅支持的任务类型) |
| 训练 | 云端 GPU(所有套餐均提供 24 个,Pro/Enterprise 套餐专享另外 2 个:B200、B300)、实时指标、项目组织管理 |
| 导出 | 22 种部署格式(ONNX、TensorRT、CoreML、LiteRT、Hailo、Ascend 等;参阅支持的格式) |
| 部署 | 覆盖全球 42 个区域的专用端点,默认缩容至零(单个活动实例),并提供监控 |
你可以执行的操作:
- 上传图像、视频和数据集文件,以创建训练数据集
- 可视化标注内容,并通过交互式叠加层查看标注编辑器支持的 6 种 YOLO 任务类型(请参阅支持的任务类型)
- 训练模型:使用云端 GPU(所有套餐均提供 24 个,Pro 或 Enterprise 套餐提供 26 个,包含 B200 和 B300),并查看实时指标
- 导出为22 种部署格式(ONNX、TensorRT、CoreML、LiteRT、Hailo、Ascend 等)
- 部署到全球 42 个区域,并一键创建专用端点
- 构建 Agents 工作流程,连接模型、条件、数据集收集、Slack 警报和 Webhook
- 监控训练进度、部署运行状况和使用指标
- 通过集成连接云存储、标注工具和 Slack
- 协作:向社区公开项目和数据集
多区域基础设施#
你的数据会保留在所在区域。Ultralytics Platform 在全球三个区域运营基础设施:
| 区域 | 标签 | 位置 | 适用场景 |
|---|---|---|---|
| 美国 | 美洲 | 美国爱荷华州 | 美洲用户;为美洲用户提供最快速度 |
| 欧盟 | 欧洲、中东和非洲 | 欧洲比利时 | 欧洲用户;符合 GDPR 要求 |
| 亚太 | 亚太地区 | 亚太地区台湾 | 亚太地区用户;提供最低的亚太地区延迟 |
你可以在注册引导过程中选择数据区域。数据集、模型和托管训练数据都会保留在该区域。 专用端点会单独部署到你从全球部署地图中选择的区域。
主要功能#
数据准备#
- 数据集管理:从本地文件、URL、已连接的云存储或本地部署的主机创建数据集,并自动处理数据
- 标注编辑器:提供适用于 6 种 YOLO 任务类型的手动标注工具(检测、分割、语义分割、分类、姿势估计、OBB;请参阅支持的任务类型)
- 骨架模板:内置模板(人物、手部、狗、面部、框)和自定义骨架模板,支持一键进行姿势标注
- 智能标注:在标注工具栏中使用 SAM 2.1(Tiny、Small、Base、Large)、SAM 3 或 SAM 3.1(默认),执行检测、分割、语义分割和 OBB 任务;使用预训练的 Ultralytics YOLO 模型和你自己的微调 YOLO 模型执行这些任务和姿势估计;或者在包含 1–200 个类别的检测数据集中使用按类别提示的模型:六种托管开源模型(默认使用 Moondream 3.1)、托管的文本提示式 SAM 3 和 SAM 3.1,或来自 OpenAI、Anthropic、Google、Meta、SpaceXAI、DeepSeek、Z.ai、Kimi 和 Xiaomi MiMo 的付费视觉模型,并在 设置 > API Keys 中提供服务商密钥
- 数据集版本控制:创建带描述的编号 NDJSON 快照,然后下载或还原任意版本,以实现可复现训练
- 统计信息:类别分布、数据集划分分布、位置热力图和边界框尺寸分析
模型训练#
- 云端训练:使用云端 GPU(所有套餐均提供 24 个,Pro 或 Enterprise 套餐可使用 26 个,包含 B200 和 B300)进行训练,并查看实时指标和实时费用估算
- 远程训练:在任何位置进行训练,并将指标流式传输到 Ultralytics Platform
- 高级设置:在训练对话框内置的 YAML 编辑器中覆盖任何 Ultralytics 训练参数
- 项目组织管理:将相关模型分组、比较实验并跟踪活动
- 22 种导出格式:ONNX、TensorRT、CoreML、LiteRT、Hailo、Ascend 等(参阅支持的格式)

你可以通过 Web UI(云端训练)或在自己的设备上(远程训练)训练模型:
- 前往你的项目
- 点击
New Model - 选择数据集、模型、GPU 和训练轮数
- 监控实时损失曲线和指标
部署#
- 推理测试:直接在浏览器中使用你自己的图像、摄像头拍摄内容或内置示例测试模型
- 专用端点:部署到全球 42 个区域,默认缩容至零(单个活动实例)
- 监控:实时指标、请求日志和性能仪表板
部署后,你可以使用任意语言调用你的端点。conf、iou 和 imgsz 是可选表单字段,默认值分别为 0.25、0.7 和模型的训练图像尺寸(如果无法获取,则为 640):
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())账户管理#
- 团队与组织:与团队成员协作、管理角色和邀请,并从账户菜单切换工作区
- API 密钥:安全管理远程训练和 API 访问所需的密钥
- 积分与账单:按需付费训练,价格透明,可充值 $5 至 $1,000
- 活动动态:跟踪所有账户事件和操作
- 回收站与恢复:支持 30 天软删除和项目恢复
- 符合 GDPR:导出数据和删除账户
查看权威的 免费版、专业版和企业版对比,了解当前限制、GPU 访问权限、协作功能和许可信息。
快速链接#
通过以下资源快速开始:
- 快速入门:几分钟内创建你的第一个项目并训练模型
- 探索:浏览和克隆公开数据集与项目,还可根据图像内容搜索图像
- 数据:数据集准备概览
- 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
- 训练:训练概览
- 项目:整理你的模型和实验
- 模型:模型页面、下载和导出
- 云端训练:在云端 GPU 上训练
- 部署:部署概览
- 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
- 账户:账户概览
- 设置:个人资料和工作区偏好设置
- 团队:成员、角色和邀请
- API 密钥:管理 API 访问权限
- 账单:积分和付款
- 活动:跟踪账户事件
- 回收站:恢复已删除的项目
- 集成:云存储、标注工具和 Slack
- REST API:API 参考
故障排除#
数据集问题#
| 问题 | 解决方案 |
|---|---|
| 数据集无法处理 | 检查文件格式是否受支持(图像支持 JPEG、PNG、WebP、TIFF、HEIC、AVIF、BMP、JP2、DNG、MPO)。最大文件大小:图像 50 MB、视频 1 GB、数据集压缩包 10 GB(免费版)/ 20 GB(专业版)/ 50 GB(企业版) |
| 缺少标注 | 确认标签采用 YOLO 格式,且 .txt 文件名与图像文件名匹配;或者上传 COCO JSON |
| “需要训练集拆分” | 将 train/ 文件夹添加到你的数据集结构中,或通过拆分栏重新分配拆分 |
| 未定义类别名称 | 添加包含 names: 列表的 data.yaml 文件(参见 YOLO 格式),或在类别选项卡中定义类别 |
训练问题#
| 问题 | 解决方案 |
|---|---|
| 训练无法启动 | 在“设置”>“账单”中检查积分余额。余额必须大于零 |
| 内存不足错误 | 减小批次大小、使用更小的模型(n/s),或选择显存更大的 GPU |
| 指标表现不佳 | 检查数据集质量、增加训练轮数、尝试数据增强,并确认类别平衡 |
| 训练速度慢 | 选择速度更快的 GPU、减小图像尺寸,并检查数据集是否成为瓶颈 |
部署问题#
| 问题 | 解决方案 |
|---|---|
| 端点无响应 | 检查端点状态(就绪或已停止)。闲置后冷启动时,首次请求最多可能需要一分钟 |
| 401 未授权 | 确认 API 密钥处于启用状态且复制正确 |
| 推理速度慢 | 检查模型大小,考虑导出为 TensorRT,并选择距离更近的区域 |
| 导出失败 | 某些格式需要特定的模型架构。若要获得最广泛的兼容性,请尝试 ONNX |
常见问题#
注册后可以更改用户名吗?
不可以,用户名是永久的,无法更改。注册时请谨慎选择。
可以更改数据区域吗?
数据区域会在引导设置期间选定,你无法自行更改。如需切换区域,请联系支持团队申请更改。
如何获取更多积分?
前往 设置 > 账单,然后点击 充值。你可以购买 $5 至 $1,000 的积分。购买的积分永不过期。
训练失败会怎样?
如果云端计算已启动,则会按已用 GPU 时间收费。如果在 GPU 启动前失败,则不会收取计算费用。
我可以下载训练好的模型吗?
可以。点击模型页面上的下载图标即可下载模型的 .pt 权重,或者打开 导出 选项卡查看已完成导出的格式。
如何公开分享我的作品?
打开项目或数据集,点击顶部导航栏中的 私有 标记,然后确认选择 设为公开。公开内容会显示在“探索”页面上。
文件大小限制是多少?
图像:50MB;视频:1GB;数据集:免费版 10GB、专业版 20GB、企业版 50GB。对于更大的文件,请拆分后分多次上传。
已删除的项目会在回收站中保留多久?
30 天。之后,项目会被永久删除,无法恢复。
我可以将平台模型用于商业用途吗?
免费版和专业版套餐使用 AGPL 许可证。如需在不受 AGPL 要求约束的情况下用于商业用途,请参阅 Ultralytics 许可。
常见问题#
要开始使用 Ultralytics Platform:
- 注册:在 platform.ultralytics.com 创建账户
- 选择区域:在引导设置期间选择你的数据区域(美国、欧盟或亚太地区)
- 上传数据集:在侧边栏中打开
Annotate并上传你的数据 - 训练模型:创建项目并在云端 GPU 上开始训练
- 部署:测试你的模型并将其部署到专用端点
如需详细指南,请参阅快速入门页面。
Ultralytics Platform 支持多种 GPU 类型用于云端训练:
GPU 代际 显存 每小时费用 适用场景 RTX 2000 Ada Ada 16 GB $0.24 小型数据集、测试 RTX A4500 Ampere 20 GB $0.25 小型到中型数据集 RTX 4000 Ada Ada 20 GB $0.26 中型数据集 RTX A5000 Ampere 24 GB $0.27 中型数据集 L4 Ada 24 GB $0.39 针对推理优化 A40 Ampere 48 GB $0.44 较大的批次大小 RTX 3090 Ampere 24 GB $0.46 通用训练 RTX A6000 Ampere 48 GB $0.49 大型模型 RTX PRO 4000 Blackwell 24 GB $0.57 经济型 Blackwell RTX PRO 4500 Blackwell 32 GB $0.64 性价比出色 RTX 4090 Ada 24 GB $0.69 性价比最佳 RTX 6000 Ada Ada 48 GB $0.77 大批次训练 L40S Ada 48 GB $0.86 大批次训练 RTX PRO 5000 Blackwell 48 GB $0.96 大批次训练 RTX 5090 Blackwell 32 GB $0.99 最新一代消费级产品 L40 Ada 48 GB $0.99 大型模型 A100 PCIe Ampere 80 GB $1.39 生产环境训练 A100 SXM Ampere 80 GB $1.49 生产环境训练 RTX PRO 6000 Blackwell 96 GB $2.09 推荐默认选项 H100 PCIe Hopper 80 GB $2.89 高性能训练 H100 NVL Hopper 94 GB $3.19 最高性能 H100 SXM Hopper 80 GB $3.29 最快的训练 H200 NVL Hopper 143 GB $3.39 最大显存 H200 SXM Hopper 141 GB $4.39 最高性能 B200 Blackwell 180 GB $5.89 大型模型(Pro+) B300 Blackwell 288 GB $7.39 最大型模型(Pro+) 完整的定价和 GPU 选项,请参阅云端训练。
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 Ultralytics Platform。
软件包版本要求Platform 集成要求使用 Python>=3.11 和 ultralytics>=8.4.120。较低版本无法与 Platform 配合使用。
pip install "ultralytics>=8.4.120"# 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。
Platform 包含功能齐全的标注编辑器,支持:
- 手动工具:边界框、多边形、带骨架模板的关键点、定向框、分类
- 骨架模板:使用内置模板(Person、Hand、Dog、Face、Box)或自定义模板,一次性放置所有关键点
- 智能标注:在检测、分割、语义和 OBB 数据集上使用 SAM 2.1、SAM 3 或 SAM 3.1(默认)进行点击式标注;对于这些任务和姿态任务,可从工具栏运行预训练的 Ultralytics YOLO 模型和你自己微调的 YOLO 模型;对于包含 1–200 个类别的检测数据集,可运行类别提示模型:六种托管的开源模型(默认使用 Moondream 3.1)、托管的文本提示 SAM 3 和 SAM 3.1,或来自 OpenAI、Anthropic、Google、Meta、SpaceXAI、DeepSeek、Z.ai、Kimi 和 Xiaomi MiMo 的付费视觉模型;使用 Settings > API Keys 中的服务商密钥
- 键盘快捷键:通过热键提高工作效率,快捷键列表可在编辑器的快捷键弹出窗口中查看
快捷键 操作 V手动(绘制)模式 S智能模式(SAM、YOLO 或类别提示模型) P预测(智能模式下) A切换自动应用(SAM 智能模式) 1-9按数字选择类别 H切换标注可见性 Space+ 拖动或按住鼠标中键拖动平移画布 Delete/Backspace删除选中的标注 Ctrl+S保存标注 Ctrl+Z撤销 Ctrl+Y重做 Escape保存 / 取消选择 / 退出 完整指南请参阅标注。
Platform 支持与 Ultralytics Export 模式相同的 22 种部署格式。PyTorch 是源格式;每一行中带有
format参数的格式都是导出目标。格式 format参数模型 元数据 参数 PyTorch - yolo26n.pt✅ - TorchScript torchscriptyolo26n.torchscript✅ imgsz,quantize,dynamic,nms,batch,deviceONNX onnxyolo26n.onnx✅ imgsz,quantize,dynamic,simplify,opset,nms,batch,data,fraction,deviceOpenVINO openvinoyolo26n_openvino_model/✅ imgsz,quantize,dynamic,nms,batch,data,fraction,deviceTensorRT engineyolo26n.engine✅ imgsz,quantize,dynamic,simplify,opset,workspace,nms,batch,data,fraction,deviceCoreML coremlyolo26n.mlpackage✅ imgsz,dynamic,quantize,nms,batch,deviceApple Core AI coreaiyolo26n.aimodel✅ imgsz,batch,quantizeTF SavedModel saved_modelyolo26n_saved_model/✅ imgsz,quantize,opset,nms,batch,data,fraction,deviceTF GraphDef pbyolo26n.pb❌ imgsz,opset,batch,deviceTF Edge TPU edgetpuyolo26n_edgetpu.tflite✅ imgsz,quantize,opset,data,fraction,deviceLiteRT litertyolo26n.tflite✅ imgsz,quantize,batch,data,fraction,devicePaddlePaddle paddleyolo26n_paddle_model/✅ imgsz,batch,deviceMNN mnnyolo26n.mnn✅ imgsz,batch,dynamic,quantize,simplify,opset,nms,deviceNCNN ncnnyolo26n_ncnn_model/✅ imgsz,quantize,batch,deviceIMX500 imxyolo26n_imx_model/✅ imgsz,quantize,data,fraction,nms,deviceRKNN rknnyolo26n_rknn_model/✅ imgsz,batch,name,quantize,simplify,opset,data,fraction,deviceExecuTorch executorchyolo26n_executorch_model/✅ imgsz,batch,deviceAxelera axelerayolo26n_axelera_model/✅ imgsz,batch,quantize,data,fraction,deviceDEEPX deepxyolo26n_deepx_model/✅ imgsz,quantize,simplify,opset,data,optimize,deviceQualcomm QNN qnnyolo26n_qnn.onnx✅ imgsz,batch,name,quantize,simplify,opset,data,fraction,deviceHailo hailoyolo26n_hailo_model/✅ imgsz,name,quantize,data,fraction,simplify,conf,iou,deviceHuawei Ascend ascendyolo26n_ascend_model/✅ imgsz,batch,name,quantize,opset,simplify,nms,deviceAMD Xilinx xilinxyolo26n_xilinx_model/✅ imgsz,name,quantize,data,fraction,opset,simplify,devicenms=None默认输出原始结果,以供外部 NMS 使用。设置nms=False可选择可用的无 NMS 检测头;不支持的格式会回退到其原生输出路径。上方的nms条目表示可以通过nms=True嵌入 NMS 的格式。