Trainiere und stelle Ultralytics YOLO11 mit Ultralytics HUB bereit

Ultralytics YOLO11 ist das neue hochmoderne Computer-Vision-Modell, das für Aufgaben wie Objekterkennung, Bildklassifizierung und Instanzsegmentierung entwickelt wurde. Es ist schneller, genauer und effizienter als frühere Versionen der YOLO (You Only Look Once) Modelle. YOLO11 kann für eine Vielzahl von Echtzeit-Computer-Vision-Anwendungen eingesetzt werden. Das Beste daran: Der Einstieg in Ultralytics YOLO11 ist genauso einfach und unkompliziert wie bei allen anderen Ultralytics YOLO Modellen.

Wir haben bereits die neuen Funktionen und Verbesserungen von YOLO11 besprochen und darauf hingewiesen, wie du auf das Modell über das Ultralytics Python-Paket oder Ultralytics HUB zugreifen kannst. In diesem Leitfaden führen wir dich Schritt für Schritt durch die Nutzung von Ultralytics HUB, um Ultralytics YOLO11 einfach zu trainieren und zu implementieren.

Link to this sectionEine Einführung in Ultralytics HUB#

Ultralytics HUB ist die benutzerfreundliche No-Code-Plattform von Ultralytics, die den gesamten Prozess vom Training bis zur Implementierung von YOLO-Modellen, einschließlich der neu eingeführten Ultralytics YOLO11-Modelle, optimiert. Egal, ob du ein KI-Experte bist oder dich gerade erst mit Computer Vision beschäftigst, der HUB bietet eine intuitive Benutzeroberfläche, mit der du Datensätze hochladen, vorab trainierte Modelle auswählen und diese für deine spezifischen Anforderungen feinabstimmen kannst. Mit nur wenigen Klicks kannst du Modelle trainieren für Echtzeitanwendungen in Branchen von der Fertigung bis zur Landwirtschaft. Der HUB konzentriert sich darauf, fortschrittliche KI zugänglich zu machen, ohne dass umfangreiche Programmierkenntnisse erforderlich sind.

Abb. 1. Ultralytics HUB ist eine benutzerfreundliche No-Code-Plattform.

Ultralytics HUB bietet verschiedene Tarifoptionen, mit einer kostenlosen Stufe für den grundlegenden Zugang und einem Pro-Tarif, der zusätzliche Funktionen wie Cloud-Training, Team-Zusammenarbeit und erhöhte Nutzungsgrenzen bietet. Hier ist ein kurzer Überblick über einige der wichtigsten Funktionen von Ultralytics HUB:

• Unterstützung für benutzerdefinierte Datensätze: Lade deine eigenen Datensätze hoch und verwalte sie für ein individuelleres Modelltraining.
• Mobile Integration: Führe YOLO-Modelle auf iOS- und Android-Geräten mit der Ultralytics HUB App aus, mit Hardwarebeschleunigung für optimierte Leistung.
• Cloud-Ressourcen: GPU-gestützte Cloud-Infrastruktur unterstützt schnelleres und effizienteres Modelltraining.
• Einfaches Projektmanagement: Ultralytics HUB erleichtert es Pro-Nutzern, Projekte zu verwalten und mit Teammitgliedern über die Teams-Funktion zusammenzuarbeiten, was Teamarbeit und Ressourcenfreigabe optimiert.
• Inferenz-API: Der HUB bietet sowohl geteilte als auch dedizierte Inferenz-APIs. Nutzer können YOLO-Modelle ausführen, ohne eine lokale Umgebung einrichten zu müssen.
• Ultralytics HUB-SDK: Unser internes HUB-SDK macht es einfach, die Machine-Learning-Dienste von Ultralytics in deine Python-Anwendungen zu integrieren.

Der HUB lässt sich zudem in verschiedene Plattformen integrieren, und Nutzer können trainierte Modelle exportieren in verschiedene Formate wie ONNX, TensorFlow und CoreML, was die Implementierung über mehrere Plattformen hinweg nahtlos macht. Im Grunde vereinfacht Ultralytics HUB komplexe KI-Aufgaben, von der Datenverarbeitung bis zur Echtzeit-Modellimplementierung, alles innerhalb eines umfassenden Tools.

Link to this sectionAusführung von Inferenzen auf Ultralytics HUB mit YOLO11#

Um Inferenzen auf Ultralytics HUB mit YOLO11 auszuführen, navigiere einfach zum Bereich "Modelle" und wähle das YOLO11-Modell aus, das dich interessiert. Klicke dann auf "Vorschau", um das Modell durch das Hochladen eines beliebigen Bildes zu testen.

Abb. 2. Probiere Ultralytics YOLO11 auf Ultralytics HUB aus.

Diese Funktion des HUB ermöglicht es jedem, unabhängig vom Erfahrungsgrad, Modellvorhersagen mit YOLO11 zu testen und zu sehen, wie es funktioniert. Es ist ein benutzerfreundlicher Weg, um kostenlos praktische Erfahrungen mit Ultralytics YOLO11 zu sammeln.

Link to this sectionTraining eines benutzerdefinierten Ultralytics YOLO11-Modells auf Ultralytics HUB#

Nach der Erstellung eines Kontos kannst du direkt mit dem Training beginnen, indem du auf das Dashboard zugreifst. Von dort aus kannst du deine Projekte verwalten, Datensätze hochladen und deine YOLO11-Modelle mühelos trainieren. Die Plattform ist darauf ausgelegt, den Prozess schnell und so problemlos wie möglich zu gestalten.

Link to this sectionVerwendung von benutzerdefinierten Datensätzen für das YOLO11-Training auf dem HUB#

Sobald du eingeloggt bist, kannst du im Menü auf der linken Seite auf "Datensätze" klicken, um eine Reihe bereits vorhandener Datensätze zu erkunden, die auf Ultralytics HUB verfügbar sind. Diese Datensätze decken verschiedene Aufgaben ab, wie orientierte Bounding Boxes (OBB) Objekterkennung und Pose-Schätzung. Du kannst zum Beispiel COCO128 für die Objekterkennung mit 80 Klassen oder Fashion-MNIST für die Bildklassifizierung verwenden. Diese Datensätze sind sofort verfügbar und für das Training von YOLO-Modellen optimiert.

Abb. 3. Ultralytics HUB bietet eine bequeme Möglichkeit, deine benutzerdefinierten Datensätze zu verwalten und anzuwenden.

Wenn du mit deinen eigenen Daten arbeiten möchtest, kannst du benutzerdefinierte Datensätze hochladen. Stelle dabei sicher, dass dein Datensatz der YOLO-Struktur entspricht, einschließlich einer korrekt formatierten YAML-Datei im Stammverzeichnis, und dass er als ZIP-Datei vorliegt.

Sobald dein Datensatz bereit ist, kannst du auf die Schaltfläche "Datensatz hochladen" klicken, den Aufgabentyp auswählen und die ZIP-Datei hochladen. Nach dem Hochladen validiert Ultralytics HUB deinen Datensatz automatisch, und du kannst sofort mit dem Training von YOLO-Modellen beginnen. Du kannst auch deine Datensatzdetails verwalten und einsehen, wie z. B. Bildaufteilungen (Training, Validierung, Test), und Daten analysieren, um sicherzustellen, dass sie für das Modelltraining bereit sind.

Abb. 4. Du kannst einen benutzerdefinierten Datensatz hochladen und deine Datensatzdetails einsehen.

Link to this sectionEffizientes YOLO11-Training und -Monitoring mit Ultralytics HUB#

Um mit dem Training eines YOLO11-Modells mithilfe der Cloud-Training-Funktion von Ultralytics HUB zu beginnen, musst du auf den Pro-Tarif upgraden. Als Pro-Nutzer stehen dir GPU-Ressourcen für ein schnelleres und effizienteres Training zur Verfügung. Sobald du das Upgrade durchgeführt hast, greife auf den Bereich „Modelle“ zu, wähle deine gewünschte YOLO11-Modellvariante aus und konfiguriere die Trainingseinstellungen.

Abb. 5. Trainiere ein YOLO11-Modell auf dem HUB mit wenigen Klicks.

Du kannst die Anzahl der Epochen wählen (die definieren, wie oft das Modell den Datensatz durchläuft) oder eine spezifische Dauer für zeitgesteuertes Training festlegen. Bevor das Modelltraining beginnt, initialisiert Ultralytics HUB eine dedizierte GPU-Instanz, um eine optimierte Leistung zu gewährleisten. Abhängig von der Auslastung kann die Initialisierung einige Zeit in Anspruch nehmen, aber während dieses Vorgangs werden dir keine Gebühren in Rechnung gestellt.

Nachdem du deine Einstellungen abgeschlossen hast, klicke auf "Training starten", um die Sitzung zu beginnen. Während des gesamten Trainings kannst du den Fortschritt in Echtzeit über ein Dashboard verfolgen. Es gibt dir die Möglichkeit, das Training nach Bedarf zu pausieren, zu stoppen oder fortzusetzen. Wenn dein Kontostand während des epochenbasierten Trainings niedrig wird, wird die Sitzung pausiert, sodass du dein Guthaben aufladen kannst, bevor du fortfährst. Die Plattform speichert automatisch Checkpoints, was bedeutet, dass du genau dort weitermachen kannst, wo du aufgehört hast.

Am Ende des Trainings kannst du alle Kosten über den Abrechnungs-Tab überprüfen, wo du detaillierte Kostenberichte findest, die es einfach machen, Ausgaben nachzuverfolgen und dein Training effizient zu verwalten.

Abb. 6. Du kannst das Modelltraining überwachen, während es stattfindet.

Link to this sectionImplementierung deines benutzerdefinierten Ultralytics YOLO11-Modells mithilfe des HUB#

Bei der Implementierung deines benutzerdefiniert trainierten YOLO11-Modells mit Ultralytics HUB gibt es zwei Hauptoptionen: die Geteilte Inferenz-API und die Dedizierte Inferenz-API. Um das implementierte Modell zu nutzen, kannst du Inferenzanfragen an die API entweder über Python oder cURL stellen, abhängig von deinem Setup. Der allgemeine Prozess beinhaltet das Senden einer Bilddatei zusammen mit relevanten Parametern (wie Bildgröße und Konfidenzschwellen) an die API. Ultralytics HUB gibt die Vorhersagen in einem einfachen JSON-Format zurück, das du weiterverarbeiten kannst.

Die Geteilte Inferenz-API ist eine kostengünstige Lösung für Nutzer der kostenlosen Stufe und bietet 100 Aufrufe pro Stunde und bis zu 1000 Aufrufe monatlich. Sie macht eine lokale Umgebung überflüssig und unterstützt eine schnelle Implementierung direkt über den Ultralytics HUB.

Die Dedizierte Inferenz-API, die Pro-Nutzern zur Verfügung steht, eignet sich besser für groß angelegte Implementierungen oder Echtzeitanwendungen. Sie bietet eine Ein-Klick-Implementierung in einer dedizierten Cloud-Umgebung, die von Google Cloud Run betrieben wird. Diese Option ist für Hochleistungsanwendungen optimiert und gewährleistet eine Latenz von unter 100 ms sowie eine weltweite Abdeckung in 38 Regionen für Echtzeitverarbeitung. Sie unterstützt außerdem erweiterte Sicherheitsfunktionen, was sie für Branchen mit strengen Datenschutzanforderungen geeignet macht.

Sobald du dich zwischen der Geteilten oder Dedizierten Inferenz-API für die Implementierung deines YOLO11-Modells entschieden hast, sind die nächsten Schritte einfach und effizient. Du kannst den "Implementieren"-Tab innerhalb deiner Modellseite auf Ultralytics HUB öffnen. Wenn du die Geteilte Inferenz-API verwendest, kannst du dir diesen Leitfaden ansehen, um die Anweisungen zum Einrichten deiner API-Aufrufe zu befolgen. Für Nutzer der Dedizierten Inferenz-API klicke einfach auf die Schaltfläche "Endpunkt starten", um den Endpunkt zu initialisieren. Sobald er aktiv ist, gibt dir der HUB eine eindeutige URL, die du für deine Inferenzaufgaben verwenden kannst.

Abb. 7. Die Verwendung der Ultralytics HUB Dedizierten Inferenz-API ist einfach.

Link to this sectionWeitere Implementierungsoptionen des HUB#

Wenn dein Projekt ein Modell in einem bestimmten Format oder für den Offline-Gebrauch benötigt, bietet Ultralytics HUB Exportoptionen wie ONNX, CoreML oder TensorFlow, um verschiedene Plattformen zu unterstützen, von mobilen Geräten bis hin zu Cloud-Systemen. Für Entwickler, die Modelle direkt in Anwendungen integrieren möchten, bietet das Ultralytics HUB-SDK eine effiziente Möglichkeit, Implementierungen über Python zu verwalten. Durch die Verwendung von API-Schlüsseln oder Ultralytics-Anmeldedaten kannst du die Implementierung einfach steuern und Inferenzen in deinem Code ausführen, was dir die Flexibilität gibt, die für eine nahtlose Integration erforderlich ist.

Link to this sectionWichtige Erkenntnisse#

Ultralytics HUB ist eine All-in-One-Plattform, die darauf ausgelegt ist, das Trainieren und Implementieren von YOLO11-Modellen sowohl für Anfänger als auch für Experten zugänglich zu machen. Sie unterstützt eine breite Palette von Aufgaben, vom Hochladen von Datensätzen bis zur Trainingskonfiguration, und bietet flexible Implementierungsoptionen wie Geteilte und Dedizierte Inferenz-APIs. Egal, ob du über APIs implementierst oder Modelle für den Offline-Gebrauch exportierst, der HUB sorgt für eine nahtlose Integration über Plattformen hinweg. Mit Optionen für Echtzeitanwendungen und skalierbare Lösungen kann Ultralytics HUB für eine Vielzahl von Implementierungsanforderungen sowohl für Anfänger als auch für Fortgeschrittene verwendet werden.

Erkunde unser GitHub-Repository und tritt unserer lebendigen Community bei, um tiefer in die Welt der KI einzutauchen. Entdecke, wie Vision-KI Innovationen in Branchen wie dem Gesundheitswesen und der Landwirtschaft vorantreibt.