Ultralytics YOLO27:
Get Started

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。

Ultralytics Platform 数据集截图

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。

区域一经选定,无法更改

创建账户后,你无法自行更改数据区域。在注册引导过程中,平台会测量到各区域的延迟,并推荐距离最近的区域。如果之后需要申请更改区域,请联系支持团队。此规定适用于数据集和模型内容;账户级数据(例如个人资料、账单和活动记录)会在全球范围内处理,详情请参阅我们的隐私政策和数据处理协议。

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
支持的任务类型

标注编辑器提供适用于 6 种 YOLO 任务类型的工具:检测(边界框)、分割(多边形)、语义分割(按类别划分的区域)、分类(图像级标签)、姿势估计(关键点)和 OBB(定向框)。每种任务类型都配有专用的标注控件和键盘快捷键。

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)

Ultralytics Platform 项目截图

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:

  1. 前往你的项目
  2. 点击 New Model
  3. 选择数据集、模型、GPU 和训练轮数
  4. 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
套餐等级

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。

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:

    1. 注册:在 platform.ultralytics.com 创建账户
    2. 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)
    3. 上传数据集:在侧边栏中打开 Annotate 并上传你的数据
    4. 训练模型:创建项目并在云端 GPU 上开始训练
    5. 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 提供:

    • 统一工作流:在同一处完成数据处理、训练和部署
    • 多区域支持:数据可驻留在美国、欧盟或亚太地区
    • 无代码训练:无需编写代码即可训练先进的 YOLO 模型
    • 实时指标:实时查看训练进度并监控部署
    • 42 个部署区域:在全球范围内将模型部署到靠近用户的位置
    • 7 种任务类型:支持目标检测、实例分割、语义分割、深度估计、分类、姿态估计和 OBB(参见任务文档)
    • AI 辅助标注:使用 SAM、YOLO 和类别提示模型进行智能标注(适用于包含 1–200 个类别的检测数据集),加快数据准备速度
  • 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 AdaAda16 GB$0.24小型数据集、测试
    RTX A4500Ampere20 GB$0.25小型到中型数据集
    RTX 4000 AdaAda20 GB$0.26中型数据集
    RTX A5000Ampere24 GB$0.27中型数据集
    L4Ada24 GB$0.39针对推理优化
    A40Ampere48 GB$0.44较大的批次大小
    RTX 3090Ampere24 GB$0.46通用训练
    RTX A6000Ampere48 GB$0.49大型模型
    RTX PRO 4000Blackwell24 GB$0.57经济型 Blackwell
    RTX PRO 4500Blackwell32 GB$0.64性价比出色
    RTX 4090Ada24 GB$0.69性价比最佳
    RTX 6000 AdaAda48 GB$0.77大批次训练
    L40SAda48 GB$0.86大批次训练
    RTX PRO 5000Blackwell48 GB$0.96大批次训练
    RTX 5090Blackwell32 GB$0.99最新一代消费级产品
    L40Ada48 GB$0.99大型模型
    A100 PCIeAmpere80 GB$1.39生产环境训练
    A100 SXMAmpere80 GB$1.49生产环境训练
    RTX PRO 6000Blackwell96 GB$2.09推荐默认选项
    H100 PCIeHopper80 GB$2.89高性能训练
    H100 NVLHopper94 GB$3.19最高性能
    H100 SXMHopper80 GB$3.29最快的训练
    H200 NVLHopper143 GB$3.39最大显存
    H200 SXMHopper141 GB$4.39最高性能
    B200Blackwell180 GB$5.89大型模型(Pro+)
    B300Blackwell288 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✅-
    TorchScripttorchscriptyolo26n.torchscript✅imgsz, quantize, dynamic, nms, batch, device
    ONNXonnxyolo26n.onnx✅imgsz, quantize, dynamic, simplify, opset, nms, batch, data, fraction, device
    OpenVINOopenvinoyolo26n_openvino_model/✅imgsz, quantize, dynamic, nms, batch, data, fraction, device
    TensorRTengineyolo26n.engine✅imgsz, quantize, dynamic, simplify, opset, workspace, nms, batch, data, fraction, device
    CoreMLcoremlyolo26n.mlpackage✅imgsz, dynamic, quantize, nms, batch, device
    Apple Core AIcoreaiyolo26n.aimodel✅imgsz, batch, quantize
    TF SavedModelsaved_modelyolo26n_saved_model/✅imgsz, quantize, opset, nms, batch, data, fraction, device
    TF GraphDefpbyolo26n.pb❌imgsz, opset, batch, device
    TF Edge TPUedgetpuyolo26n_edgetpu.tflite✅imgsz, quantize, opset, data, fraction, device
    LiteRTlitertyolo26n.tflite✅imgsz, quantize, batch, data, fraction, device
    PaddlePaddlepaddleyolo26n_paddle_model/✅imgsz, batch, device
    MNNmnnyolo26n.mnn✅imgsz, batch, dynamic, quantize, simplify, opset, nms, device
    NCNNncnnyolo26n_ncnn_model/✅imgsz, quantize, batch, device
    IMX500imxyolo26n_imx_model/✅imgsz, quantize, data, fraction, nms, device
    RKNNrknnyolo26n_rknn_model/✅imgsz, batch, name, quantize, simplify, opset, data, fraction, device
    ExecuTorchexecutorchyolo26n_executorch_model/✅imgsz, batch, device
    Axeleraaxelerayolo26n_axelera_model/✅imgsz, batch, quantize, data, fraction, device
    DEEPXdeepxyolo26n_deepx_model/✅imgsz, quantize, simplify, opset, data, optimize, device
    Qualcomm QNNqnnyolo26n_qnn.onnx✅imgsz, batch, name, quantize, simplify, opset, data, fraction, device
    Hailohailoyolo26n_hailo_model/✅imgsz, name, quantize, data, fraction, simplify, conf, iou, device
    Huawei Ascendascendyolo26n_ascend_model/✅imgsz, batch, name, quantize, opset, simplify, nms, device
    AMD Xilinxxilinxyolo26n_xilinx_model/✅imgsz, name, quantize, data, fraction, opset, simplify, device

    nms=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。

    有关特定格式的选项,请参阅模型导出、导出模式指南和集成索引。

评论