Ultralytics ergänzt S3-zu-Hosted-API-Workflow für YOLO26

Die Ultralytics Platform bietet jetzt einen schrittweisen Workflow, um YOLO26 mit in Amazon S3 gespeicherten Bildern zu trainieren und das resultierende Modell als gehostete API bereitzustellen. Die Originalbilder bleiben im Bucket, während des Cloud-Trainings werden jedoch temporäre Kopien verwendet.
- Die Ultralytics Platform kann Amazon-S3-Bilder indexieren, ohne eine zweite Kopie zu speichern.
- Nutzer können YOLO26 auf einer Ultralytics-Cloud-GPU trainieren.
- Modelle lassen sich in 42 Regionen auf dedizierten Endpunkten bereitstellen.
- Die Standardgröße des Endpunkts ist kostenlos und skaliert bei Inaktivität auf null.
- Datensätze aus S3, Google Cloud Storage und Azure Blob Storage erfordern Pro oder Enterprise.
Training aus einem bestehenden S3-Bucket
Der Workflow richtet sich an Teams, die ihre Computer-Vision-Daten bereits in Amazon S3 speichern. Nutzer verbinden einen Bucket mit einem schreibgeschützten AWS-IAM-Benutzer, indexieren einen Ordner als Platform-Datensatz und behalten entweder vorhandene YOLO-Labels bei oder erstellen Annotationen im Browser. Laut Ultralytics speichert die Platform keine zweite Kopie der indexierten Bilder. Für die Dauer eines Trainingslaufs werden beim Cloud-Training jedoch temporäre Kopien verwendet.
Der Datensatzindex erkennt Bilder in den Formaten .jpg, .jpeg, .png, .webp und .avif. YOLO-Textlabels, eine data.yaml-Datei sowie die Namen der Ordner für Training, Validierung und Test können zur Erkennung von Labels, Klassen und Splits verwendet werden. Ein einzelner Import indexiert bis zu 500.000 Objekte. Ultralytics empfiehlt, einen neuen Datensatz anzulegen, wenn zusätzliche Objekte hochgeladen werden, da der Index nur einmal erstellt wird.
Der gleiche Prozess unterstützt Datensätze für Objekterkennung, Segmentierung, Posenschätzung und orientierte Begrenzungsrahmen. Laut Ultralytics funktioniert der Workflow auch mit Google Cloud Storage und Azure Blob Storage. Dafür werden die jeweiligen Cloud-Zugangsdaten anstelle eines AWS-Zugangsschlüssels verwendet.
Cloud-Training und dedizierte Bereitstellung
Nach dem Erstellen oder Überprüfen des Datensatzes können Nutzer ein offizielles Ultralytics-Modell auswählen. Empfohlen wird YOLO26. Alternativ ist das Fine-Tuning eines eigenen Modells möglich. Nutzer legen die Anzahl der Epochen, die Bildgröße und die Batch-Größe fest und wählen anschließend eine GPU aus der Ultralytics Cloud. Die Trainingsoberfläche zeigt den Stundensatz an und schätzt Dauer und Gesamtkosten des Laufs, bevor dieser startet. Metriken, Konsolenausgabe und Systemdiagramme werden im Browser übertragen, während Checkpoints automatisch gespeichert werden.
Nach Abschluss des Trainings kann das Modell über den Tab „Deploy“ bereitgestellt werden. Ultralytics führt 42 Regionen auf und sortiert sie nach der gemessenen Latenz vom Standort des Nutzers. Eine Standardbereitstellung verwendet 1 vCPU und 2 GiB Arbeitsspeicher, ist kostenlos und skaliert bei Inaktivität auf null. Benutzerdefinierte Bereitstellungen können bis zu 8 vCPU und 32 GiB verwenden, eine Instanz warmhalten und ab der Betriebsbereitschaft bis zum Stoppen des Endpunkts den angezeigten regionalen Stundensatz kosten. Das gilt auch für Leerlaufzeiten.
Jeder dedizierte Endpunkt ist Single-Tenant, verfügt über eine eigene URL und ein eigenes Monitoring und ist an einen API-Schlüssel aus dem Workspace gebunden. Die Bereitstellungslimits liegen bei 3 für kostenlose Workspaces, 10 für Pro und sind für Enterprise unbegrenzt.
Was Nutzer vor der Datenanbindung wissen müssen
Datensätze aus Amazon S3, Google Cloud Storage und Azure Blob Storage erfordern einen Pro- oder Enterprise-Workspace. Ultralytics listet Pro mit $29 pro Sitzplatz und Monat. Darin enthalten sind monatlich $30 Guthaben pro Sitzplatz für verbrauchsabhängige Rechenleistung wie Cloud-Training. Für die Verbindung mit Cloud-Speicher sind außerdem die Rolle eines Workspace-Administrators oder -Eigentümers sowie ein AWS-IAM-Benutzer erforderlich, der den Bucket auflisten und lesen darf.
Laut Ultralytics verschlüsselt die Platform den AWS-Schlüssel im Ruhezustand mit AES-256-GCM und gibt ihn nicht an Trainings-Workloads weiter. Der Dienst verändert oder löscht keine Bucket-Objekte. Ein Schalter für KI-Funktionen ist standardmäßig aktiviert. Dadurch können Ultralytics-GPUs Bilder für Annotationen, die Suche nach ähnlichen Bildern und Cloud-Training lesen. Nach Angaben des Unternehmens können Nutzer den Schalter deaktivieren. Danach werden keine neuen KI-Aufgaben gestartet, laufende Aufgaben werden jedoch abgeschlossen.
Nach der Bereitstellung kann das Modell HTTPS-Anfragen mit einem API-Schlüssel empfangen. Der Endpunkt bietet außerdem eine interaktive Dokumentation unter /docs und eine Zustandsprüfung unter /health. Anfragekörper sind auf 32 MB begrenzt. Anfragen, die nicht umgehend verarbeitet werden können, erhalten eine 429-Antwort mit einem Retry-After-Header.


