本地部署#

本地部署可让你的 Enterprise 工作区使用 Linux、macOS 或 Windows 计算机上的数据集和计算资源。源图片和视频保留在你的计算机上。训练方式与其他远程训练位置相同：指标会流式传输到 Platform，训练完成后的模型权重会上传，供你下载、预测、导出和部署。

只需一条命令即可完成设置。Platform 会检测你的操作系统、填写合适的文件夹位置、按需安装 Docker，并显示实时连接进度。

工作原理#

flowchart LR
    A[Your browser] <-->|Interface, labels, and progress| B[Ultralytics Platform]
    A <-->|Dataset previews| C[Your On Premise computer]
    B <-->|Jobs, metrics, and model weights| C
    C --- D[(Dataset folder)]
    C --- E[(Models folder)]

数据边界#

模型权重、标签、标注和指标可能包含从图片中学习到的信息。只有数据集像素受到严格的仅限本地边界保护。云端预测只会处理你单独提交到该云端工作流的图片；工作进程绝不会转发已挂载数据集中的图片。

开始之前#

选择一台能够访问数据集、并能在 Platform 使用数据集期间保持开机的计算机：

GPU 并非必需。所有计算机都可以导入数据集并使用 CPU 训练模型。兼容的 NVIDIA GPU 可以加速较大型的训练任务。

连接计算机#

1. 在能够访问数据集的计算机上打开 Ultralytics Platform。
2. 前往 Settings > Integrations，然后从集成列表中选择 本地部署。
3. 检查预先填好的 此计算机上的数据集文件夹 和 此计算机上的模型文件夹 路径。
4. 选择 创建安装命令。
5. 打开对话框中指定的终端，复制命令并粘贴，然后按 Enter。
6. 保持“集成”页面打开，直到进度指示器显示 已连接。

页面会实时跟踪六个设置步骤——运行命令、下载工作进程文件、下载 Docker 镜像、构建工作进程、启动工作进程并确认连接——你无需查看终端即可了解进度。连接主机需要工作区编辑者角色和有效的 Enterprise 计划；使用其他计划的工作区会看到 申请演示 按钮，该按钮会提交 Enterprise 演示申请，而不是创建安装命令。

Platform 会在你复制命令前填入文件夹路径和一次性连接令牌。生成的命令格式如下：

curl -fsSL 'https://platform.ultralytics.com/api/workers/install?os=linux' \
  | sudo sh -s -- \
    "/datasets" \
    "/models" \
    "YOUR_CONNECTION_TOKEN"

默认设置无需修改即可使用：

设置命令会创建这些文件夹，在需要时安装并启动 Docker，还会将连接配置为随计算机启动而重启。操作系统可能会要求你批准安装或重启，之后设置才能完成。

Docker 基础镜像#

安装程序会运行一个容器，并根据主机选择官方 Ultralytics 基础镜像：

构建工作进程时会添加连接所需的依赖项，并将镜像中的 Ultralytics 软件包更新到最新版本。 设置时会检测 CUDA，因此搭载 NVIDIA GPU 的主机仍只运行一个容器，无需分别运行 CPU 和 GPU 工作进程。最佳检查点上传后，Platform 云服务会负责模型预测和导出。

添加数据集#

1. 将数据集放入已配置的数据集文件夹中。
2. 在 Platform 中，选择 新建数据集 > 本地部署。
3. 选择已连接的计算机。
4. 浏览到数据集文件夹，选择任务，然后选择 创建。

Platform 会在本地为数据集建立索引，并在与上传数据集和云存储数据集相同的图库中打开数据集。你可以预览图片、检查标签、筛选数据集和进行标注，全程无需上传图片像素。

支持的数据#

本地部署支持与上传数据相同的导入格式和计算机视觉任务：

• 图片和视频
• ZIP、TAR、TAR.GZ 和 TGZ 压缩包
• Ultralytics 和 Labelbox NDJSON、COCO JSON 以及 LabelMe JSON
• YOLO 数据集和分类文件夹
• 检测、分割、语义分割、分类、姿态和定向边界框（OBB）任务

Platform 会自动识别常见的数据集布局、类别、标签以及训练/验证/测试划分。数据集文件夹以只读方式挂载，因此 Platform 绝不会调整大小、重新编码、编辑或删除源文件。导入期间生成的所有内容——解压的压缩包、下载的 NDJSON 资源和视频帧——都会写入同一台计算机上的专用 Docker 卷。

预览和标注#

打开图片时，浏览器会直接从已连接的计算机加载图片。无需配置证书、主机名、VPN 或预览。

标注和数据集整理内容会保存在你的 Platform 工作区中，但你在 Platform 中的编辑不会更改源图片或标签文件。

训练模型#

通过常规的 Platform 训练对话框启动训练：

1. 打开一个项目，然后选择 新建模型。
2. 选择本地部署数据集。
3. 选择模型和训练设置。
4. 开始训练。

Platform 会在已连接的计算机上运行任务。系统会使用可用的 NVIDIA GPU；如果没有，则自动切换到 CPU。因此，即使没有专用 GPU 硬件，Mac 也能使用 COCO8 训练 YOLO26n 这类小型模型。

运行期间，训练文件会写入已配置的模型文件夹。Ultralytics 软件包使用的回调与任何客户自行管理的计算机上的远程训练相同：进度和指标会流式传输到 Platform，最佳检查点会上传到 Platform 存储，训练完成的模型可使用现有的下载、预测、导出和部署流程。其他训练产物会保留在你的模型文件夹中。本地部署训练不会使用 Platform 计算额度，Platform 也绝不会将训练任务发送到云端计算资源。

管理连接#

打开 Settings > Integrations，查看每台计算机的主机名和硬件、CPU 和 GPU 是否在线，以及上次报告状态的时间。关闭或失去连接的计算机会显示为 Offline，并附有最后一次在线的详情；其数据集会暂时不可用，而不会回退到云计算。工作进程会随 Docker 启动，并在计算机恢复在线后自动重新连接；无需重新运行任何操作。

工作进程会自动更新。 每次容器启动时，以及空闲期间每隔 10 分钟，工作进程都会从 Platform 下载更新版本的代码并重启以应用更新。运行作业期间不会重启。在自动更新功能推出前连接的计算机，只需运行一次新的安装命令，就会开始更新。

在已连接的计算机上再次运行安装命令，即可更改文件夹或刷新 Docker 镜像。计算机仍使用同一主机，因此数据集会继续正常运行，也不会出现重复主机。

每台计算机对应一个工作区。 一台计算机运行一个工作进程。从另一个工作区运行安装命令会将计算机迁移到该工作区，并断开它在原工作区中的主机连接。

重新连接会为已断开的主机生成新的安装命令。在应该为该主机提供服务的计算机上运行此命令，现有数据集就会恢复使用，无需重新导入。只有仍有数据集或模型依赖的已断开主机才会继续列出。

断开连接会立即撤销该主机的访问权限。绑定到该主机的排队中、正在启动和运行中的作业都会被取消，包括正在进行的训练；仍在导入的数据集也会导入失败，错误信息为 On Premise host disconnected during ingest.。已完成导入的数据集会保留其类别、标签和注释，但在重新连接前无法预览或用于训练。计算机上的任何内容都不会被删除，已上传到 Platform 的模型仍可用。

当前限制#

• 不会重新扫描。 创建数据集时只会为其编制一次索引。如果源文件之后发生变化，Platform 不会检测到；要纳入这些变化，请创建新数据集。
• 无法使用依赖 Platform 副本的功能。 本地部署数据集不支持需要在 Platform 上存储图像副本的功能：自动标注、聚类分析、数据集克隆和不可变的版本快照。
• 训练不会迁移。 如果工作进程在运行期间停止，作业会失败，而不会转移到其他地方重新启动。
• 模型文件会保留在主机上。 在 Platform 中删除或移至废纸篓的模型只会从 Platform 中移除，不会从你的 models 文件夹中删除；运行不再需要时，请自行清理该文件夹。

删除本地部署数据集或其中的单张图像，只会移除 Platform 中的引用和注释，不会触碰你的文件。

设置未能完成时#

• Docker 请求权限：批准提示并等待 Docker 启动。设置会自动继续。
• Windows 要求重启：重启计算机，返回 Settings > Integrations，然后创建新的安装命令。
• 设置命令已过期：创建新的安装命令。每条命令都是临时的，且只能使用一次。
• 另一台计算机已重新连接此主机：另一台计算机先为同一主机运行了“重新连接”命令。请为这台计算机创建新的安装命令。
• 连接仍处于离线状态：打开 Docker Desktop，重新运行新生成的命令，并保持终端打开，直到它报告本地部署正在运行。
• 预览无法加载：在已连接的计算机上通过浏览器打开 Platform。数据集预览直接从该计算机获取。
• 需要查看工作进程日志：安装程序在 Linux 上写入 /opt/ultralytics-worker，在 macOS 和 Windows 上写入 ~/.ultralytics/worker。在该文件夹中运行 docker compose logs -f，即可实时查看工作进程日志。

另请参阅数据集、标注和训练。

常见问题#