Entrena y despliega Ultralytics YOLO11 usando Ultralytics HUB

Ultralytics YOLO11 es el nuevo modelo de visión artificial de última generación diseñado para tareas como detección de objetos, clasificación de imágenes y segmentación de instancias. Es más rápido, más preciso y más eficiente que las versiones anteriores de los modelos YOLO (You Only Look Once). YOLO11 puede usarse para una variedad de aplicaciones de visión artificial en tiempo real. Lo mejor de todo es que empezar con Ultralytics YOLO11 es tan sencillo y directo como con todos los demás modelos Ultralytics YOLO.

Anteriormente hablamos sobre las nuevas características y mejoras de YOLO11 y mencionamos cómo acceder al modelo a través del paquete de Python de Ultralytics o Ultralytics HUB. En esta guía, te explicaremos paso a paso cómo usar Ultralytics HUB para entrenar y desplegar Ultralytics YOLO11 fácilmente.

Link to this sectionUna introducción a Ultralytics HUB#

Ultralytics HUB es la plataforma sin código y fácil de usar de Ultralytics, diseñada para agilizar todo el proceso desde el entrenamiento hasta el despliegue de modelos YOLO, incluyendo los recién lanzados modelos Ultralytics YOLO11. Tanto si eres un experto en IA como si eres nuevo en visión artificial, HUB proporciona una interfaz intuitiva que te permite subir datasets, seleccionar modelos preentrenados y ajustarlos según tus necesidades específicas. Con solo unos clics, puedes entrenar modelos para aplicaciones en tiempo real en industrias que van desde la fabricación hasta la agricultura. HUB se enfoca en hacer accesible la IA avanzada sin necesidad de programar extensamente.

Fig 1. Ultralytics HUB es una plataforma sin código y fácil de usar.

Ultralytics HUB tiene diferentes opciones de planes, con un nivel gratuito para acceso básico y un plan Pro que ofrece capacidades adicionales como entrenamiento en la nube, colaboración en equipo y límites de uso ampliados. Aquí tienes un vistazo rápido a algunas de las características clave ofrecidas por Ultralytics HUB:

• Soporte para datasets personalizados: Sube y gestiona tus propios datasets para un entrenamiento de modelos más personalizado.
• Integración móvil: Ejecuta modelos YOLO en dispositivos iOS y Android usando la aplicación Ultralytics HUB, con aceleración de hardware para un rendimiento optimizado.
• Recursos en la nube: La infraestructura en la nube habilitada con GPU permite un entrenamiento de modelos más rápido y eficiente.
• Gestión de proyectos sencilla: Ultralytics HUB facilita a los usuarios Pro la gestión de proyectos y la colaboración con miembros del equipo a través de su función Teams, optimizando el trabajo en equipo y el intercambio de recursos.
• API de inferencia: HUB proporciona API de inferencia tanto compartidas como dedicadas. Los usuarios pueden ejecutar modelos YOLO sin necesidad de configurar un entorno local.
• Ultralytics HUB-SDK: Nuestro HUB-SDK interno facilita la integración de los servicios de aprendizaje automático de Ultralytics en tus aplicaciones de Python.

HUB también se integra con varias plataformas, y los usuarios pueden exportar modelos entrenados a diversos formatos como ONNX, TensorFlow y CoreML, haciendo que el despliegue en múltiples plataformas sea fluido. En esencia, Ultralytics HUB simplifica tareas complejas de IA, desde el manejo de datasets hasta el despliegue de modelos en tiempo real, todo dentro de una herramienta integral.

Link to this sectionEjecución de inferencias en Ultralytics HUB usando YOLO11#

Para ejecutar inferencias en Ultralytics HUB usando YOLO11, simplemente dirígete a la sección "Models" (Modelos) y elige el modelo YOLO11 que te interese. Luego, puedes hacer clic en "Preview" (Vista previa) para probar el modelo subiendo cualquier imagen.

Fig 2. Prueba Ultralytics YOLO11 en Ultralytics HUB.

Esta función de HUB hace posible que cualquier persona, sin importar su nivel de experiencia, pueda probar predicciones de modelos con YOLO11 y ver cómo funciona. Es una forma fácil de utilizar Ultralytics YOLO11 de manera gratuita.

Link to this sectionEntrenamiento de un modelo Ultralytics YOLO11 personalizado en Ultralytics HUB#

Después de crear una cuenta, puedes sumergirte directamente en el entrenamiento accediendo al panel de control. Desde allí, puedes gestionar tus proyectos, subir datasets y comenzar a entrenar tus modelos YOLO11 fácilmente. La plataforma está diseñada para mantener el proceso rápido y lo más sencillo posible.

Link to this sectionUso de datasets personalizados para el entrenamiento de YOLO11 en HUB#

Una vez que hayas iniciado sesión, puedes hacer clic en "Datasets" en el menú de la izquierda para explorar una variedad de datasets preexistentes disponibles en Ultralytics HUB. Estos datasets cubren diversas tareas, como detección de objetos con cajas delimitadoras orientadas (OBB) y estimación de poses. Por ejemplo, puedes usar COCO128 para detección de objetos con 80 clases o Fashion-MNIST para clasificación de imágenes. Estos datasets están listos para usar y optimizados para el entrenamiento de modelos YOLO.

Fig 3. Ultralytics HUB ofrece una forma cómoda de gestionar y aplicar tus datasets personalizados.

Si deseas trabajar con tus propios datos, puedes subir datasets personalizados. Al hacerlo, asegúrate de que tu dataset siga la estructura YOLO, incluyendo un archivo YAML correctamente formateado en el directorio raíz, y que esté comprimido en formato ZIP.

Una vez que tu dataset esté listo, puedes hacer clic en el botón "Upload Dataset" (Subir dataset), seleccionar el tipo de tarea y subir el archivo ZIP. Tras la carga, Ultralytics HUB valida automáticamente tu dataset y puedes comenzar a entrenar modelos YOLO de inmediato. También puedes gestionar y ver los detalles de tu dataset, como las divisiones de imágenes (entrenamiento, validación, prueba), y analizar los datos para asegurarte de que estén listos para el entrenamiento del modelo.

Fig 4. Puedes subir un dataset personalizado y ver los detalles de tu dataset.

Link to this sectionEntrenamiento y monitorización eficiente de YOLO11 con Ultralytics HUB#

Para comenzar a entrenar un modelo YOLO11 usando la función de Entrenamiento en la Nube de Ultralytics HUB, deberás actualizar a un plan Pro. Como usuario Pro, tienes a tu disposición recursos de GPU para un entrenamiento más rápido y eficiente. Una vez actualizado, accede a la sección "Models" (Modelos), selecciona la variación de modelo YOLO11 que desees y configura los ajustes de entrenamiento.

Fig 5. Entrena un modelo YOLO11 en HUB con unos pocos clics.

Puedes elegir el número de épocas (que define cuántas veces pasará el modelo a través del dataset) o establecer una duración específica para el entrenamiento cronometrado. Antes de que comience el entrenamiento del modelo, Ultralytics HUB inicializará una instancia de GPU dedicada para garantizar un rendimiento optimizado. Dependiendo de la demanda, la inicialización puede llevar algún tiempo, pero no se realizarán cargos a tu cuenta durante este proceso.

Tras finalizar tus ajustes, haz clic en "Start Training" (Iniciar entrenamiento) para comenzar la sesión. A lo largo del entrenamiento, puedes supervisar el progreso en tiempo real a través de un panel de control. Te da la capacidad de pausar, detener o reanudar el entrenamiento según sea necesario. Si el saldo de tu cuenta disminuye durante el entrenamiento basado en épocas, la sesión se pausará, permitiéndote recargar tu saldo antes de reanudar. La plataforma guarda automáticamente los puntos de control, lo que significa que puedes retomar el proceso donde lo dejaste.

Al final del entrenamiento, puedes comprobar todos los costes a través de la pestaña de facturación, donde encontrarás informes de costes detallados que facilitan el seguimiento de gastos y la gestión eficiente de tu entrenamiento.

Fig 6. Puedes monitorizar el entrenamiento del modelo mientras ocurre.

Link to this sectionDespliegue de tu modelo Ultralytics YOLO11 personalizado usando HUB#

Al desplegar tu modelo YOLO11 entrenado de forma personalizada con Ultralytics HUB, hay dos opciones principales: la Shared Inference API (API de inferencia compartida) y la Dedicated Inference API (API de inferencia dedicada). Para usar el modelo desplegado, puedes realizar solicitudes de inferencia a la API usando Python o cURL, dependiendo de tu configuración. El proceso general implica enviar un archivo de imagen junto con los parámetros relevantes (como el tamaño de la imagen y los umbrales de confianza) a la API. Ultralytics HUB devolverá las predicciones en un formato JSON sencillo, que puedes procesar posteriormente.

La Shared Inference API es una solución rentable para usuarios en el nivel gratuito y ofrece 100 llamadas por hora y hasta 1000 llamadas al mes. Elimina la necesidad de un entorno local y admite un despliegue rápido directamente desde Ultralytics HUB.

La Dedicated Inference API, disponible para usuarios Pro, es más adecuada para despliegues a gran escala o aplicaciones en tiempo real. Proporciona un despliegue con un solo clic en un entorno de nube dedicado impulsado por Google Cloud Run. Esta opción está optimizada para aplicaciones de alto rendimiento, asegurando una latencia inferior a 100ms y cobertura global en 38 regiones para procesamiento en tiempo real. También admite funciones de seguridad mejoradas, lo que la hace adecuada para industrias con estrictos requisitos de protección de datos.

Una vez que hayas elegido entre la Shared o Dedicated Inference API para desplegar tu modelo YOLO11, los siguientes pasos son simples y eficientes. Puedes abrir la pestaña "Deploy" (Desplegar) dentro de la página de tu modelo en Ultralytics HUB. Si usas la Shared Inference API, puedes consultar esta guía para seguir las instrucciones de configuración de tus llamadas a la API. Para usuarios de Dedicated Inference API, simplemente haz clic en el botón "Start Endpoint" (Iniciar punto final). Una vez activo, HUB te proporcionará una URL única para usar en tus tareas de inferencia.

Fig 7. Usar la Dedicated Inference API de Ultralytics HUB es sencillo.

Link to this sectionOtras opciones de despliegue proporcionadas por HUB#

Si tu proyecto necesita un modelo en un formato específico o para uso sin conexión, Ultralytics HUB ofrece opciones de exportación como ONNX, CoreML o TensorFlow para admitir varias plataformas, desde dispositivos móviles hasta sistemas en la nube. Para los desarrolladores que buscan integrar modelos directamente en aplicaciones, el Ultralytics HUB-SDK proporciona una forma eficiente de gestionar los despliegues a través de Python. Al usar claves de API o credenciales de Ultralytics, puedes controlar fácilmente el despliegue y ejecutar inferencias en tu código, brindándote la flexibilidad necesaria para una integración sin problemas.

Link to this sectionConclusiones clave#

Ultralytics HUB es una plataforma todo en uno diseñada para hacer que el entrenamiento y el despliegue de modelos YOLO11 sean accesibles tanto para principiantes como para expertos. Admite una amplia gama de tareas, desde la carga de datasets hasta la configuración del entrenamiento, ofreciendo opciones de despliegue flexibles como las API de inferencia compartida y dedicada. Tanto si despliegas a través de API como si exportas modelos para uso sin conexión, HUB garantiza una integración perfecta entre plataformas. Con opciones para aplicaciones en tiempo real y soluciones escalables, Ultralytics HUB puede utilizarse para una amplia gama de necesidades de despliegue, tanto para usuarios principiantes como avanzados.

Explora nuestro repositorio de GitHub y únete a nuestra vibrante comunidad para profundizar en la IA. Descubre cómo la IA de visión está impulsando la innovación en industrias como la sanitaria y la agricultura.