Ultralytics Platform 快速入门

Ultralytics Platform 的设计旨在确保用户友好且直观，让用户能够快速上传数据集并训练新的 YOLO 模型。它提供了一系列预训练模型供选择，让用户能够轻松上手。一旦模型训练完成，即可直接在浏览器中进行测试，并一键部署到生产环境。

以下交互式图表概述了 Ultralytics Platform 工作流程的四个主要阶段。点击任意阶段或子步骤，即可访问该部分的详细说明。

graph LR
    A(Sign Up) --> B(Prepare Data) --> C(Train) --> D(Deploy)
    A -.- A1["<a href='#get-started'>Create account</a><br/><a href='#region-selection'>Select region</a>"]
    B -.- B1["<a href='#upload-your-first-dataset'>Upload dataset</a><br/><a href='#create-your-first-project'>Create Project</a>"]
    C -.- C1["<a href='#training-configuration'>Configure training</a><br/><a href='#monitor-training'>Monitor progress</a>"]
    D -.- D1["<a href='#test-your-model'>Test model</a><br/><a href='#deploy-to-production'>Deploy endpoint</a>"]

    click A "#get-started"
    click B "#upload-your-first-dataset"
    click C "#train-your-first-model"
    click D "#deploy-to-production"

开始使用

Ultralytics Platform 提供多种简单的注册选项。你可以使用 Google 或 GitHub 账户，或者通过你的电子邮箱地址进行注册和登录。

选择区域

在入职引导期间，系统会要求你选择数据区域。平台会自动测量到各区域的延迟，并推荐最近的区域。这是一个重要的选择，因为它决定了你的数据、模型和部署的存储位置。

免费额度

每个新账户都会获得用于云端 GPU 训练的免费额度：

完善你的个人资料

入职引导流程会引导你完成三个步骤：

1. 个人资料 - 输入你的显示名称、唯一用户名（永久，之后无法更改）、组织（可选）以及主要用例
2. 数据区域 - 选择 US（美国）、EU（欧洲）或 AP（亚太），并查看显示延迟的世界地图
3. 完成 - 检查你的选择，可选输入促销代码，并完成注册以领取你的欢迎额度

主页仪表板

登录后，你将被引导至 Ultralytics Platform 的主页，该页面提供一张带有工作区统计信息的欢迎卡片、数据集、项目和存储的快速访问入口，以及近期活动流。

侧边栏导航

侧边栏提供对所有平台部分的访问：

欢迎卡片

欢迎卡片一览显示你的个人资料、方案徽章和工作区统计信息：

快捷操作

在欢迎卡片下方，仪表板显示三张卡片：

• 数据集：创建新数据集或拖放图像、视频或数据集文件进行上传。显示你近期的数据集。
• 项目：创建新项目或拖放 .pt 模型文件进行上传。显示你近期的项目。
• 存储：你的存储空间使用概览（数据集、模型、导出），包含方案限制。

底部的 近期活动 表格显示你最新的数据集、模型和训练运行记录。

全局搜索

按 Cmd+K (Mac) 或 Ctrl+K (Windows/Linux) 打开搜索栏。即可即时搜索页面、项目、数据集和部署。

AI 聊天助手

每个页面都有一个悬浮聊天窗口。点击它即可提问关于 YOLO 训练、标注、部署或任何平台功能的疑问。助手会根据当前页面提供上下文相关的帮助。

入职引导之旅

平台包含引导之旅，在你探索不同部分时介绍关键功能：

重置导览

若要重新查看任何导览：

• 重做导览按钮 — 点击你的个人资料头像（侧边栏左下角）以打开用户菜单，然后选择 重做导览。这将重置所有导览，以便在你下次访问各版块时重新播放。
• URL 参数 — 导航至 platform.ultralytics.com/home?tour=nav 可直接重启导航导览。

上传你的第一个数据集

在侧边栏中导航至 Annotate 并点击 New Dataset 以添加训练数据。你也可以将文件直接拖放到“主页”仪表板上的数据集卡片中。

Ultralytics Platform 支持多种上传格式（详情请见 Datasets）：

graph LR
    A[Drop Files] --> B[Auto-Package ZIP]
    B --> C[Upload to Storage]
    C --> D[Backend Worker]
    D --> E[Resize & Thumbnail]
    E --> F[Parse Labels]
    F --> G[Compute Statistics]
    G --> H[Dataset Ready]

上传后，平台会自动处理你的数据：

1. 超过 4096px 的图像会被缩放（保持长宽比）
2. 生成 256px 缩略图以便快速浏览
3. 解析并验证标签（YOLO .txt 格式）
4. 计算统计信息（类别分布、热力图、维度）

my-dataset.zip
├── data.yaml          # Class names and splits
├── train/
│   ├── images/
│   │   ├── img001.jpg
│   │   └── img002.jpg
│   └── labels/
│       ├── img001.txt
│       └── img002.txt
└── val/
    ├── images/
    └── labels/

阅读更多关于 datasets 以及 detect、segment、pose、OBB 和 classify 所支持格式的信息。

创建你的第一个项目

项目有助于你整理相关的模型和实验。导航至 Projects 并点击 "Create Project"。

输入项目名称及可选描述。项目包含：

• 模型：已训练的检查点
• 活动日志：变更历史记录

阅读更多关于 projects 的信息。

训练你的第一个模型

在项目中，点击 Train Model 以启动云端训练。

训练配置

1. 选择数据集：从你已上传的数据集中选择（仅显示包含 train 拆分 的数据集）
2. 选择模型：选择一个基础模型 - 官方 Ultralytics 模型或你自己的已训练模型
3. 设置 Epochs：训练迭代次数（默认：100）
4. 选择 GPU：根据预算和模型大小选择计算资源。默认配置为 RTX PRO 6000 (96 GB Blackwell, $1.89/hr)，它支持所有 YOLO26 变体。查看完整的 GPU 价格表 或 Cloud Training GPU 步骤 以获取完整列表和分层限制信息。

监控训练

一旦训练开始，你可以通过三个子标签页实时监控进度：

指标通过 SSE (Server-Sent Events) 实时流式传输。训练完成后，系统会生成包括混淆矩阵、PR 曲线和 F1 曲线在内的验证图表。

阅读更多关于 cloud training 的信息。

测试你的模型

训练完成后，直接在浏览器中测试你的模型：

1. 导航至你模型的 Predict 标签页
2. 上传图像、拖放图像或使用示例图像（拖放后自动推理）
3. 查看在画布上呈现推理结果的边界框

调整推理参数：

Predict 标签页提供了即用型代码示例，其中已预填你的实际 API 密钥：

import requests

url = "https://platform.ultralytics.com/api/models/{model_id}/predict"
headers = {"Authorization": "Bearer YOUR_API_KEY"}

with open("image.jpg", "rb") as f:
    response = requests.post(url, headers=headers, files={"file": f})

print(response.json())

阅读更多关于 inference 的信息。

部署到生产环境

将你的模型部署到专用端点以用于生产环境：

1. 导航至你模型的 Deploy 标签页
2. 从交互式世界地图中选择一个地区（共有 43 个可用地区）
3. 地图显示带有交通信号灯颜色的实时延迟测量结果（绿色 < 100ms，黄色 < 200ms，红色 > 200ms）
4. 点击 Deploy 以创建你的端点

graph LR
    A[Select Region] --> B[Deploy]
    B --> C[Provisioning ~1 min]
    C --> D[Running]
    D --> E{Lifecycle}
    E --> F[Stop]
    E --> G[Delete]
    F --> H[Resume]
    H --> D

你的端点将在约一分钟内就绪，并提供：

• 唯一 URL：用于 API 调用的 HTTPS 端点
• 缩容至零行为：无空闲计算成本（部署目前运行单个活跃实例）
• 监控：请求指标和日志

部署后，你可以在侧边栏的 Deploy 部分管理所有端点，该部分显示带有活跃部署、概览指标和所有端点列表的全局地图。

阅读更多关于 endpoints 的信息。

远程训练（可选）

如果你更喜欢在自己的硬件上进行训练，可以使用 API 密钥将指标流式传输到平台。这就像 Weights & Biases 一样工作 — 在任何地方训练，在平台上监控。

1. 在 Settings > API Keys 中生成一个 API key
2. 设置环境变量并以 project/name 格式进行训练：

export ULTRALYTICS_API_KEY="YOUR_API_KEY"

yolo train model=yolo26n.pt data=coco.yaml epochs=100 project=username/my-project name=exp1

阅读更多关于 API keys、dataset URIs 和 remote training 的信息。

反馈与帮助

侧边栏底部的 Help 页面包含一个应用内反馈表单。你可以评价你的体验，选择反馈类型（漏洞、功能请求或一般建议），并附加截图。

如果你需要更多帮助：

• AI Chat：点击页面上的浮动聊天窗口以获取即时帮助
• Documentation：浏览这些文档以获取关于 datasets、annotation、training、deployment 和 billing 的详细指南
• Discord：加入我们的 Discord community 进行讨论
• GitHub：在 GitHub 上报告问题
• REST API：查看 API reference 或尝试 interactive API docs 以通过编程方式访问所有 Platform 功能