网站Logo
    首页 / 详情
Site icon

YOLO

基本信息

图像分割 目标检测 模型训练 开源 推理 视觉
访问
YOLO 网站截图预览

工具详情

Ultralytics YOLO 使用指南

一、平台介绍

1. 文档站定位 Ultralytics 官方中文技术手册，网址为 docs.ultralytics.com/zh。它是 YOLO 系列（v5/v8/v11/YOLO26）全版本的本地代码、云端 Platform 操作、API、部署及许可证规范的完整参考。

2. 底层核心架构

  • 本地开源框架：Ultralytics YOLO 开源 Python 计算机视觉框架。
  • 云端 SaaS 平台：配套 Ultralytics Platform 云端训练、标注、部署服务。
  • 场景覆盖：支持本地离线训练 + 云端平台双场景，提供代码示例、参数说明、故障排查及导出教程。

二、主要功能

1. 开源框架能力（本地代码）

  • 视觉任务：覆盖目标检测、实例分割、姿态估计、OBB 旋转框、图像分类 5 大任务。
  • 模型尺寸：提供 n/s/m/l/x 多尺寸轻量化预训练模型，支持速度与精度的自由取舍。
  • 训练流程：支持一键训练/验证/预测/导出，兼容自定义数据集与 yaml 配置。
  • 模型导出：支持 19 种导出格式（TFLite、TensorRT、ONNX、CoreML、OpenVINO 等），完美适配边缘与移动端设备。

2. 云端 Ultralytics Platform

文档站对该平台功能提供全覆盖指引。

  • AI 辅助标注：集成 SAM3 自动标注技术，支持框/多边形标注。
  • 云端训练：提供 H100/B200/5090 等高端 GPU，支持实时指标监控。
  • 全球部署：支持全球 43 区域一键云端部署与推理监控。
  • 团队管理：具备团队协作、数据集版本管理及 REST API 调用功能。

3. 文档站配套功能

  • 完整查阅：提供中文 API、命令行、配置参数的完整文档查阅。
  • 硬件教程：包含树莓派、安卓、服务器等硬件的部署教程。
  • 合规指引：提供许可证区分、商用授权申请指引及常见报错解决方案。

三、适用人群

✅ 适合人群

  1. 学生/算法研究者：进行目标检测实验、毕业设计或开源项目开发。
  2. 视觉开发者：应用于工业检测、安防监控、自动驾驶、机器人识别等领域。
  3. 中小技术团队：快速落地轻量化视觉方案，支持零代码云端训练。
  4. 嵌入式工程师：处理模型量化、边缘设备部署相关工作。

❌ 不适合人群

  1. 零 Python 基础用户：若无编程基础且仅想获取开箱即用的商用成品系统。
  2. 内网隔离单位：无法访问海外云端服务的政企单位（需考虑网络连通性）。

四、免费与付费方案

1. 开源代码（本地离线）

  • 协议：永久免费，遵循 AGPL-3.0 开源协议。
  • 核心限制：若用于闭源商用产品或硬件嵌入，必须公开全部项目代码；否则需购买企业商业授权。

2. Ultralytics Platform 云端 SaaS 定价

定价页面参考：https://www.ultralytics.com/zh/pricing

🟢 Free 免费版（$0/月）

  • 注册福利：赠送$5云训练额度；企业邮箱验证可升级$25。
  • 资源限制：100GB 存储、3 并发训练、3 云端部署、100 个模型。
  • 服务支持：社区技术支持。

🟠 Pro 专业版（$29/席位/月）

  • 资源升级：500GB 存储、10 并发训练、5 人团队协作、优先客服。
  • 额外福利：每月$30 云算力额度。
  • 优惠：年付$290 可省 17%。

🔵 Enterprise 企业版（定制报价）

  • 资源无限：无限存储/训练/部署额度。
  • 高级功能：SSO 登录、专属技术支持。
  • 核心权益：提供企业商用授权（规避 AGPL 开源强制要求）、本地部署方案。

3. 企业商业授权（单独付费）

  • 申请页面：https://ultralytix.com/license
  • 作用说明：针对商用产品、硬件内置、SaaS 服务等场景，无需开源代码；支持按需定制报价。

五、快速使用流程

方式 1：本地离线训练（无需登录云端）

  1. 安装环境：参照文档站教程执行 pip install ultralytics。
  2. 极简代码训练：
  3. python
from ultralytics import YOLO
model = YOLO("yolo26n.yaml")
model.train(data="coco128.yaml", epochs=100)
from ultralytics import YOLO
model = YOLO("yolo26n.yaml")
model.train(data="coco128.yaml", epochs=100)
  1. 模型操作：使用 model.predict() 进行推理，使用 model.export(format="tensorrt") 进行导出。

方式 2：云端 Platform（文档站 quickstart 指引）

  1. 账号准备：在官网注册账号，验证邮箱领取初始算力额度。
  2. 云端训练：上传数据集 → 使用 AI 标注 → 选择预训练模型启动云端 GPU 训练。
  3. 模型获取：在浏览器中测试模型效果，支持一键云端部署或下载权重至本地使用。

六、避坑指南

  1. ⚠️ 许可证大坑（最高优先级） AGPL-3.0 协议的传染性极强。若在闭源商用、硬件内置或对外 API 服务场景下不公开源码，存在严重的开源合规纠纷。
建议：涉及上述场景，必须购买 Enterprise 企业授权 或进行源码开源。
  1. 国内网络问题
  • 云端平台、预训练权重、文档图片需直连海外，国内下载/加载易慢或超时。
  • 建议：本地训练前，建议提前离线下载所需权重文件。
  1. 免费额度消耗
  • H100/B200 等高端 GPU 计算资源扣费高。
  • 建议：实验阶段优先选择低配 GPU 以节省额度。
  1. 数据集格式报错
  • 必须严格遵循 YOLO 格式（txt 标注）。
  • 要求：数据集路径不能包含中文或空格，建议使用标准校验脚本进行验证。
  1. 边缘导出兼容
  • 低版本 TensorRT/TFLite 可能不兼容新版 YOLO。
  • 建议：查阅文档中的“部署章节”进行版本匹配清单核对。
  1. 云端并发限制
  • 免费版仅支持 3 个并行训练任务。
  • 建议：批量实验或运行多项目时，建议升级至 Pro 版以避免排队。
  1. 本地显存溢出
  • 若遇显存不足，可尝试小模型参数：
  • imgsz：缩小分辨率。
  • amp=False：关闭混合精度。
  • 建议：查阅文档显存优化章节调整相关参数。
  1. 云端数据安全风险
  • 涉密工业数据集不建议上传海外云端。
  • 建议：涉及敏感数据时，优先采用本地离线训练方案。


评论

暂无评论