Ultralytics Platform#

Ultralytics Platform 是一个功能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。专为需要生产就绪的计算机视觉解决方案且无需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、云端与远程训练、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。它原生支持 YOLO26、YOLO11、YOLOv8 和 YOLOv5 模型。

工作流：上传 → 标注 → 训练 → 导出或部署#

该平台提供端到端的工作流：

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
• 可视化标注，为标注编辑器支持的 6 种 YOLO 任务类型提供交互式叠加层（详见支持的任务类型）
• 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
• 导出到 20 种部署格式（ONNX、TensorRT、CoreML、LiteRT、Hailo、Ascend 等）
• 部署到 42 个全球区域，提供一键式专用终端节点
• 监控 训练进度、部署健康状况和使用指标
• 连接通过集成连接云存储、标注工具和 Slack
• 协作，通过将项目和数据集公开给社区来共同参与

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：

你在入驻引导期间选择数据区域。数据集、模型和托管的训练数据将保留在该区域中。 专用端点将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主机创建数据集，并进行自动处理
• 标注编辑器：为 6 种 YOLO 任务类型提供手动标注工具（检测、分割、语义分割、分类、姿态估计、OBB；详见支持的任务类型）
• 骨骼模板：内置（人体、手部、狗、面部、框）和自定义骨骼模板，支持一键姿态标注
• 智能标注：在标注工具栏中使用 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 模型来执行检测、分割、语义和 OBB 任务
• 数据集版本控制：创建带有描述的带编号 NDJSON 快照，然后下载或恢复任意版本以进行可复现训练
• 统计信息：类别分布、划分分布、位置热力图以及边界框尺寸分析

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 上进行训练（所有计划提供 24 个，B200 和 B300 通过专业版或企业版提供 26 个），提供实时指标和实时成本预估
• 远程训练：在任何地方进行训练，并将指标流式传输到 Ultralytics Platform
• 高级设置：在训练对话框的内置 YAML 编辑器中覆盖任何 Ultralytics 训练参数
• 项目组织：对相关模型进行分组、比较实验、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 UI（云端训练）或从你自己的机器（远程训练）来训练模型：

部署#

• 推理测试：使用你自己的图像、网络摄像头捕获或内置示例直接在浏览器中测试模型
• 专用终端节点：部署到 42 个全球区域，默认支持缩放至零（单个活跃实例）
• 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[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，可以使用任何语言调用你的端点。conf、iou 和 imgsz 是可选的表单字段，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#

• 团队与组织：与团队成员协作、管理角色和邀请，并从账户菜单中切换工作区
• API 密钥：为远程训练和 API 访问提供安全的密钥管理
• 额度与账单：按需付费训练，价格透明，充值金额从 $5 到 $1,000 不等
• 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

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
• 探索：浏览并克隆公共数据集与项目
• 数据：数据集准备概览
• 数据集：上传和管理你的训练数据
• 标注：使用手动和 AI 辅助工具为你的数据打标签
• 训练：训练概览
• 项目：组织你的模型和实验
• 模型：模型页面、下载与导出
• 云端训练：在云端 GPU 上进行训练
• 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：个人资料与工作区偏好设置
• 团队：成员、角色与邀请
• API 密钥：管理 API 访问权限
• 账单：积分和支付
• 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#

常见问题解答#