模型
Ultralytics YOLO 训练、分析和部署提供全面的模型管理功能。用户可上传预训练模型,或直接在平台上训练新模型。
上传模型
将现有模型权重上传至平台:
- 导航至您的项目
- 点击上传模型
- 选择您的
.pt文件 - 添加名称和描述
- 点击上传
支持的模型格式:
| 格式 | 扩展 | 描述 |
|---|---|---|
| PyTorch | .pt | Ultralytics 生Ultralytics格式 |
上传后,平台解析模型元数据:
- 任务类型(detect、segment、姿势估计、旋转框检测、classify)
- 架构(YOLO11n、YOLO11s等)
- 类名与数量
- 输入尺寸和参数
训练模型
直接在平台上训练新模型:
- 导航至您的项目
- 点击火车模型
- 选择数据集
- 选择基础型号
- 配置训练参数
- 开始训练
请参阅云端培训获取详细说明。
模型概述
每个模型页面显示:
| 章节 | 内容 |
|---|---|
| 概述 | 模型元数据、任务类型、架构 |
| 指标 | 训练损失与性能图表 |
| 情节 | 混淆矩阵、PR曲线、F1曲线 |
| 测试 | 交互式推理测试 |
| 部署 | 端点创建与管理 |
| 导出 | 格式转换与下载 |
训练指标
查看实时和历史训练指标:
损失曲线
| 损失 | 描述 |
|---|---|
| 盒子 | 边界框回归损失 |
| 班级 | 分类损失 |
| DFL | 分布焦点损失 |
性能指标
| 指标 | 描述 |
|---|---|
| mAP50 | 平均精度(IoU .50) |
| mAP50 | IoU .50-0.95区间内的平均精度均值 |
| 精确度 | 正确阳性预测率 |
| 召回率 | 实际阳性识别率 |
验证图
训练完成后,查看详细验证分析:
混淆矩阵
交互式热力图,显示各类别的预测准确率:
PR/F1 曲线
不同置信度阈值下的性能曲线:
| 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 | 不同置信水平下的F1分数 |
| 精准-信心 | 不同置信水平下的精度 |
| 召回-置信度 | 在不同置信水平下召回 |
出口模型
将模型导出为17种部署格式:
- 导航至“导出”选项卡
- 选择目标格式
- 点击导出
- 下载完成后
支持的格式
| 格式 | 描述 | 用例 |
|---|---|---|
| ONNX | 开放神经网络交换 | 跨平台部署 |
| TorchScript | 序列化PyTorch | PyTorch |
| OpenVINO | Intel | Intel |
| TensorRT | NVIDIA | NVIDIA |
| CoreML | 苹果优化 | iOS |
| TFLite | TensorFlow Lite | 移动/嵌入式 |
| TF SavedModel | TensorFlow | TensorFlow |
| TF GraphDef | TensorFlow | 传统TensorFlow |
| PaddlePaddle | 百度框架 | PaddlePaddle |
| NCNN | 移动推理 | Android/嵌入式 |
| 边缘TPU | Google TPUGoogle | 珊瑚设备 |
| TF.js | TensorFlow.js | 浏览器部署 |
| MNN | 阿里巴巴框架 | 移动端优化 |
| RKNN | 瑞芯微NPU | 瑞芯微电子 |
| IMX | 恩智浦 i.MX | 恩智浦平台 |
| Axelera | 梅蒂斯人工智能 | 边缘AI加速器 |
| ExecuTorch | 元框架 | 元平台 |
导出时间
导出时间因格式而异。由于引擎优化,TensorRT 可能需要数分钟。
数据集关联
模型可与其源数据集建立关联:
- 查看用于训练的数据集
- 从模型页面访问数据集
- 追踪数据血统
当使用平台数据集进行训练时,通过 ul:// URI格式,链接自动生成。
可见性设置
控制谁能查看您的模型:
| 设置 | 描述 |
|---|---|
| 私人 | 只有你能访问 |
| 公共 | 任何人都可以在探索页面查看 |
要更改可见性:
- 打开模型操作菜单
- 点击编辑
- 切换可见性
- 点击保存
删除模型
移除不再需要的模型:
- 打开模型操作菜单
- 点击删除
- 确认删除
垃圾与恢复
已删除的模型将移至回收站,保留30天。可通过设置 > 回收站进行恢复。
常见问题
支持哪些模型架构?
Ultralytics 支持所有YOLO :
- YOLO11: 适用于n、s、m、l、x尺寸
- YOLO26:最新一代(如有可用)
- YOLOv10: 旧版支持
- YOLOv8: 旧版支持
- YOLOv5: 旧版支持
我可以下载我训练好的模型吗?
是的,请从模型页面下载您的模型权重:
- 点击下载图标
- 选择格式(原始)
.pt或出口) - 下载将自动开始
如何在不同项目间比较模型?
目前模型比较仅限于项目内部。若需跨项目比较:
- 将模型转移到单个项目中,或
- 导出指标并在外部进行比较
最大模型尺寸是多少?
没有严格的限制,但体积过大的模型(>2GB)可能需要更长的上传和处理时间。
我可以对预训练模型进行微调吗?
是的!上传预训练模型后,即可使用您的数据集从该检查点开始训练。平台会自动将上传的模型作为训练起点。
📅 0 天前创建 ✏️ 0 天前更新