Ultralytics Platform 快速入门

Ultralytics Platform设计为用户友好且直观，允许用户快速上传他们的数据集并训练新的YOLO模型。它提供了一系列预训练模型供选择，方便用户快速上手。模型训练完成后，可以直接在浏览器中进行测试，并一键部署到生产环境。

journey
    title Your First Model in 5 Minutes
    section Sign Up
      Create account: 5: User
      Select region: 5: User
    section Prepare Data
      Upload dataset: 5: User
      Review images: 4: User
    section Train
      Configure training: 5: User
      Monitor progress: 3: Platform
    section Deploy
      Test model: 5: User
      Deploy endpoint: 5: User

开始使用

Ultralytics 提供多种便捷的注册方式。您可以使用Google 注册登录，也可通过电子邮箱地址完成注册。

区域选择

在入职过程中，您将被要求选择数据区域。平台会自动测量至各区域的延迟，并推荐距离最近的区域。这是个关键选择，因为它决定了您的数据、模型和部署将存储的位置。

免费积分

每个新账户均可获得免费GPU 积分：

完成您的个人资料

在选择区域之前，您需要先完善个人资料，包括显示名称、用户名、可选的公司信息以及主要使用场景。入门流程包含三个步骤：个人资料、数据区域和完成。

主页仪表板

登录后，您将进入Ultralytics 的主页。该页面提供包含工作区统计数据的欢迎卡片，支持快速访问数据集、项目和存储空间，并展示近期活动动态。

侧边栏导航

侧边栏提供对所有平台部分的访问：

欢迎卡

欢迎卡可让您一目了然地查看个人资料、计划徽章和工作区统计数据：

快速操作

欢迎卡下方，仪表板显示三张卡片：

• 数据集：创建新数据集或拖放图片、视频或ZIP文件进行上传。显示您最近创建的数据集。
• 项目创建新项目或拖放 .pt 待上传的模型文件。显示您最近的项目。
• 存储：存储使用概览（数据集、模型、导出内容）及配额限制。

底部显示的"最近活动"表格列出了您最新的数据集、模型和训练运行记录。

上传您的第一个数据集

导航至 Annotate 在侧边栏中点击 New Dataset 添加您的训练数据。您也可以将文件直接拖放到主页仪表板上的数据集卡片上。

Ultralytics 多种上传格式（详细信息请参见数据集）：

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，平台将自动处理您的数据：

1. 大于4096像素的图片将被调整尺寸（保持宽高比）
2. 为快速浏览生成256像素缩略图
3. 标签被解析并验证（YOLO .txt 格式)
4. 统计数据已计算（班级分布、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/

了解更多关于数据集和支持的格式信息 detect, segment, 姿势估计, 旋转框检测, classify.

创建您的第一个项目

项目可帮助您组织相关的模型和实验。导航到“项目”并点击“创建项目”。

输入项目的名称和可选描述。项目包含：

• 模型：已训练的检查点
• 活动日志：变更历史记录

了解更多关于项目。

训练您的第一个模型

从您的项目中，点击 Train Model 开始云培训。

训练配置

1. 选择数据集从您上传的数据集中选择（仅限带有 train 分割 （如图所示）
2. 选择模型：选择基础模型——官方Ultralytics tralytics模型或您自己训练的模型
3. 设置训练 epoch：训练迭代次数（默认值：100）
4. 选择GPU：根据预算和模型规模选择计算资源

监控训练

一旦训练开始，您可通过三个子标签实时监控进度：

指标通过SSE（服务器发送事件）实时流式传输。训练完成后，将生成验证图表，包括混淆矩阵、PR曲线和F1曲线。

阅读更多关于云训练的信息。

测试您的模型

训练完成后，直接在浏览器中测试您的模型：

1. 导航至您的模型的 Predict 标签
2. 上传图片、拖放操作，或使用示例图片（拖放时自动识别）
3. 在画布上显示带边界框的推理结果

调整推理参数：

字段 Predict 标签页提供预填充实际API密钥的即用型代码示例：

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())

curl -X POST "https://platform.ultralytics.com/api/models/{model_id}/predict" \
  -H "Authorization: Bearer your_api_key" \
  -F "file=@image.jpg"

阅读更多关于推理的信息。

部署到生产环境

将您的模型部署到专用端点以供生产使用：

1. 导航至您的模型的 Deploy 标签
2. 从交互式世界地图中选择一个地区（共43个可用地区）
3. The map shows real-time latency measurements with traffic light colors (green < 100ms, yellow < 200ms, red > 200ms)
4. 点击 Deploy 创建您的端点

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

您的端点将在大约一分钟内准备就绪，并具有以下功能：

• 唯一URL：用于API调用的HTTPS端点
• 自动扩缩容：随流量自动扩缩
• 监控：请求指标和日志

部署完成后，您可通过该平台管理所有终端节点。 Deploy 侧边栏中的部分，显示包含活跃部署、概览指标和所有端点列表的全局地图。

了解更多关于端点的信息。

远程培训（可选）

若您更倾向于在自有硬件上进行训练，可通过API密钥将指标流式传输至平台。其运作原理类似Weights & Biases 在任意位置训练，在平台上监控。

1. 生成一个 API 密钥 Settings > Profile (API密钥部分)
2. 设置环境变量并使用 project/name 格式：

export ULTRALYTICS_API_KEY="ul_your_api_key_here"

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

了解更多关于API 密钥、数据集 URI 和远程训练的信息。

反馈

我们重视您的反馈！请使用反馈按钮帮助我们改进平台。

需要帮助？

如果您遇到任何问题或有疑问：

• 文档：浏览这些文档以获取详细指南
• Discord：加入我们的Discord社区进行讨论
• GitHub：在GitHub上报告问题

📅 创建于 1 个月前 ✏️ 更新于 5 天前

评论