跳转至内容

模型

Ultralytics Platform 提供全面的模型管理功能，用于训练、分析和部署 YOLO 模型。您可以直接在平台上上传预训练模型或训练新模型。

Ultralytics 平台模型页面概览选项卡

上传模型

将现有模型权重上传到平台：

  1. 导航到您的项目
  2. 拖放 .pt 将文件上传到项目页面或模型侧边栏
  3. 模型元数据自动从文件中解析

可以同时上传多个文件（最多支持3个并发）

Ultralytics 平台模型拖放上传

支持的模型格式：

格式扩展名描述
PyTorch.pt原生 Ultralytics 格式

上传后，平台会解析模型元数据：

训练模型

直接在平台上训练新模型：

  1. 导航到您的项目
  2. 点击 新建模型
  3. 选择基础模型和数据集
  4. 配置训练参数
  5. 选择云端或本地训练
  6. 开始训练

有关详细说明，请参阅云端训练。

模型生命周期

graph LR
    A[Upload .pt] --> B[Overview]
    C[Train] --> B
    B --> D[Predict]
    B --> E[Export]
    B --> F[Deploy]
    E --> G[17+ Formats]
    F --> H[Endpoint]

    style A fill:#4CAF50,color:#fff
    style C fill:#FF9800,color:#fff
    style E fill:#2196F3,color:#fff
    style F fill:#9C27B0,color:#fff

模型页面选项卡

每个模型页面都有以下选项卡：

选项卡内容
概述模型元数据、关键指标、数据集链接
训练训练图表、控制台输出、系统统计
预测交互式浏览器推理
导出带GPU选择的格式转换
部署端点创建与管理

概览选项卡

显示模型元数据和关键指标：

  • 模型名称（可编辑）、状态徽章、任务类型
  • 最终指标 (mAP50, mAP50-95, 精确率, 召回率)
  • 显示训练进度的指标迷你图
  • 训练参数（例如，训练轮次、批大小、图像尺寸等）
  • 数据集链接（当使用平台数据集进行训练时）
  • 模型权重的下载按钮

Ultralytics 平台模型概览指标和参数

训练选项卡

“训练”选项卡包含三个子选项卡：

图表子选项卡

显示损失曲线和每个 epoch 性能指标的交互式训练指标图表：

图表组指标
指标mAP50、mAP50-95、精确率、召回率
训练损失train/box_loss, train/cls_loss, train/dfl_loss
验证损失val/box_loss、val/cls_loss、val/dfl_loss
学习率lr/pg0, lr/pg1, lr/pg2

Ultralytics 平台模型训练图表子选项卡

控制台子选项卡

训练过程的实时控制台输出：

  • 训练期间的实时日志流。
  • 周期进度条和验证结果
  • 带有高亮错误横幅的错误 detect
  • 用于格式化输出的ANSI颜色支持

Ultralytics 平台模型训练控制台子选项卡

系统子选项卡

训练期间的 GPU 和系统指标：

指标描述
GPU UtilGPU 利用率百分比
GPU 内存GPU 内存使用量
GPU 温度GPU 温度
CPU 使用率CPU 利用率
RAM系统内存使用情况
磁盘磁盘使用情况

Ultralytics 平台模型训练系统子选项卡

预测选项卡

直接在浏览器中运行交互式推理：

快速测试

预测选项卡在 Ultralytics Cloud 上运行推理，因此您不需要本地 GPU。结果将以与模型任务类型匹配的交互式叠加层显示。

导出选项卡

将您的模型导出为 17+ 种部署格式。有关完整详细信息，请参阅下方的 导出模型 和核心 导出模式指南。

部署选项卡

创建和管理专用推理端点。有关详细信息，请参阅 部署。

验证图

训练完成后，查看详细的验证分析：

混淆矩阵

显示每个类别的预测准确度的交互式热图：

Ultralytics 平台模型混淆矩阵

PR/F1 曲线

不同置信度阈值下的性能曲线：

Ultralytics 平台模型 PR F1 曲线

曲线描述
精确率-召回率精确率与召回率之间的权衡
F1-置信度不同置信度水平下的 F1 分数
精确率-置信度不同置信度水平下的精确率
召回率-置信度不同置信度水平下的召回率

导出模型

graph LR
    A[Select Format] --> B[Configure Args]
    B --> C[Export]
    C --> D{GPU Required?}
    D -->|Yes| E[Cloud GPU Export]
    D -->|No| F[CPU Export]
    E --> G[Download]
    F --> G

    style A fill:#2196F3,color:#fff
    style C fill:#FF9800,color:#fff
    style G fill:#4CAF50,color:#fff

将您的模型导出为 17+ 种部署格式：

  1. 导航到导出选项卡
  2. 选择目标格式
  3. 配置导出参数 (图像尺寸、半精度、动态等)
  4. 对于需要 GPU 的格式 (TensorRT)，请选择 GPU 类型
  5. 点击导出
  6. 完成后下载

Ultralytics 平台模型导出选项卡格式列表

支持的格式

平台支持导出到 17+ 种部署格式：ONNX、TorchScript、OpenVINO、TensorRT、CoreML、TF SavedModel、TF GraphDef、TF Lite、TF Edge TPU、TF.js、PaddlePaddle、NCNN、MNN、RKNN、IMX500、Axelera 和 ExecuTorch。

格式选择指南

目标推荐格式备注
NVIDIA GPUTensorRT最大推理速度
Intel 硬件OpenVINOCPU、GPU 和 VPU
Apple 设备CoreMLiOS、macOS、Apple Silicon
AndroidTF Lite 或 NCNN最佳移动性能
网页浏览器TF.js 或 ONNX通过 ONNX Runtime Web 的 ONNX
边缘设备TF Edge TPU 或 RKNNCoral 和 Rockchip (参见 支持的芯片)
通用ONNX兼容大多数运行时

Ultralytics 平台模型导出进度

RKNN 芯片支持

导出为 RKNN 格式时，请选择您的目标 Rockchip 设备：

芯片描述
RK3588高端边缘 SoC
RK3576中端边缘 SoC
RK3568中端边缘 SoC
RK3566中端边缘 SoC
RK3562入门级边缘 SoC
RV1103视觉处理器
RV1106视觉处理器
RV1103B视觉处理器
RV1106B视觉处理器
RK2118AI处理器
RV1126B视觉处理器

导出任务生命周期

导出任务会经历以下状态：

状态描述
已排队导出任务正在等待开始
正在启动导出任务正在初始化
正在运行导出正在进行中
已完成导出完成 — 可供下载
失败导出失败 (请查看错误消息)
已取消导出已由用户取消

导出时间

导出时间因格式而异。TensorRT 导出可能需要几分钟，因为需要进行引擎优化。需要 GPU 的格式 (TensorRT) 在 Ultralytics 云 GPU 上运行 — 默认导出 GPU 为 RTX 5090。

批量导出操作

  • 导出全部: 点击 Export All 启动所有基于CPU格式的导出任务，并使用默认设置。
  • 删除所有导出: 点击 Delete All 移除模型的所有导出。

格式限制

某些导出格式具有架构或任务限制：

格式限制
IMX500仅适用于 YOLOv8 和 YOLO11 模型
Axelera仅适用于 detect 模型
PaddlePaddle不适用于 YOLO26 检测/分割/姿势估计/旋转框检测 模型

克隆模型

将模型克隆到另一个项目：

  1. 打开模型页面
  2. 点击克隆按钮
  3. 选择目标项目
  4. 点击 克隆

模型及其权重被复制到目标项目。

下载模型

下载您的模型权重：

  1. 导航到模型的概览选项卡
  2. 点击下载按钮
  3. 原始的 .pt 文件自动下载

导出的格式可以在导出完成后从 导出 选项卡下载。

数据集链接

模型可以链接到其源数据集：

  • 查看用于训练的数据集
  • 点击概览选项卡上的数据集卡片以导航到该数据集
  • 追踪数据血缘

使用平台数据集进行训练时， ul:// URI格式，链接是自动的。

数据集 URI 格式

# Train with a Platform dataset — linking is automatic
yolo train model=yolo26n.pt data=ul://username/datasets/my-dataset epochs=100

字段 ul:// 方案解析为您的平台数据集。训练模型的“概览”选项卡将显示指向此数据集的链接（参见 使用平台数据集）。

可见性设置

控制谁可以查看您的模型：

设置描述
私有仅您可访问
公开任何人均可在探索页面查看

要更改可见性，请点击可见性徽章（例如， private 或 public) 在模型页面上。切换到私有会立即生效。切换到公开会显示确认对话框，然后才能应用。

删除模型

移除不再需要的模型：

  1. 打开模型操作菜单
  2. 点击删除
  3. 确认删除

回收站与恢复

已删除的模型将移至回收站，保留30天。可从设置 > 回收站恢复。

常见问题

支持哪些模型架构？

Ultralytics 平台全面支持所有 YOLO 架构并提供专用项目：

所有架构都支持5种任务类型：detect、segment、姿势估计、旋转框检测和classify。

我可以下载我训练好的模型吗？

是的，您可以从模型页面下载您的模型权重：

  1. 点击概览选项卡上的下载图标
  2. 原始的 .pt 文件自动下载
  3. 导出的格式可以从导出选项卡下载

如何跨项目比较模型？

目前，模型比较仅限于项目内部。要跨项目进行比较：

  1. 将模型克隆到单个项目，或者
  2. 导出指标并进行外部比较

最大模型大小是多少？

没有严格限制，但非常大的模型（>2GB）可能会有更长的上传和处理时间。

我可以微调预训练模型吗？

是的！您可以使用任何官方YOLO26模型作为基础，或者在训练对话框的模型选择器中选择您自己已完成的模型。平台支持从任何已上传的检查点进行微调。



📅 创建于 2 个月前 ✏️ 更新于 24 天前
glenn-jochersergiuwaxmann

评论