Ultralytics 平台#

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。该平台面向需要生产就绪的计算机视觉解决方案、又不希望面对基础设施复杂性的团队和个人。

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区中。该平台原生支持 YOLO26、YOLO11、YOLOv8 和 YOLOv5 模型。

工作流：上传 → 标注 → 训练 → 导出或部署#

该平台提供端到端工作流：

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

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

你可以执行的操作：

• 上传图像、视频和数据集文件，创建训练数据集
• 使用交互式叠加层可视化标注，支持标注编辑器支持的 6 种 YOLO 任务类型（参见支持的任务类型）
• 在云端 GPU 上训练模型（所有计划均提供 24 个，Pro 或 Enterprise 提供 26 个，包括 B200 和 B300），并查看实时指标
• 导出为20 种部署格式（ONNX、TensorRT、CoreML、LiteRT、Hailo、Ascend 等）
• 通过一键式专用端点将模型部署到全球 42 个区域
• 构建连接模型、条件、数据集收集和 Slack 警报的智能体工作流
• 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
• 通过向社区公开项目和数据集进行协作

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：

你可以在入门设置期间选择数据区域。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。

主要特性#

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主机创建数据集，并自动进行处理
• 标注编辑器：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、姿态、OBB；参见支持的任务类型）
• 骨架模板：内置（人物、手部、狗、面部、方框）和自定义骨架模板，用于一键进行姿态标注
• 智能标注：从标注工具栏中使用 SAM 2.1（Tiny、Small、Base、Large）、SAM 3 或 SAM 3.1（默认）进行目标检测、图像分割、语义分割和定向边界框任务，或者使用预训练的 Ultralytics YOLO 模型和你自己微调的 YOLO 模型来完成这些任务及姿态估计
• 数据集版本控制：创建带有描述的编号 NDJSON 快照，然后下载或恢复任意版本，以实现可复现训练
• 统计信息：类别分布、划分分布、位置热力图和边界框尺寸分析

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

模型训练#

• 云端训练：在云端 GPU 上训练（所有计划均提供 24 个，Pro 或 Enterprise 提供 26 个，包括 B200 和 B300），并查看实时指标和实时成本估算
• 远程训练：在任意位置训练，并将指标流式传输到 Ultralytics Platform
• 高级设置：在训练对话框的内置 YAML 编辑器中覆盖任意 Ultralytics 训练参数
• 项目组织：将相关模型分组、比较实验并跟踪活动
• 20 种导出格式：ONNX、TensorRT、CoreML、LiteRT、Hailo、Ascend 等（参见支持的格式）

你可以通过网页界面（云端训练）或在你自己的机器上（远程训练）来训练模型：

部署#

• 推理测试：直接在浏览器中使用你自己的图像、网络摄像头拍摄内容或内置示例测试模型
• 专用端点：将模型部署到全球 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

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[42 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

部署后，你可以使用任意语言调用端点。conf、iou 和 imgsz 是可选表单字段，默认值为 0.25、0.7 和 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#

• 团队和组织：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：用于远程训练和 API 访问的安全密钥管理
• 额度和账单：按量付费训练，价格透明，充值金额为 5 到 1,000 美元
• 活动源：跟踪所有账户事件和操作
• 回收站和恢复：支持 30 天软删除和项目恢复
• GDPR 合规性：数据导出和账户删除

快速链接#

通过以下资源开始使用：

• 快速入门：创建你的第一个项目，并在几分钟内训练模型
• 探索：浏览并克隆公开数据集和项目
• 数据：数据集准备概览
• 数据集：上传和管理训练数据
• 标注：使用手动和 AI 辅助工具标注数据
• 训练：训练概览
• 项目：组织模型和实验
• 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：额度和付款
• 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#

训练问题#

部署问题#

常见问题#

常见问题#