Impostazioni dei cookie
Cliccando su “Accetta tutti i cookie”, l'utente accetta di memorizzare i cookie sul proprio dispositivo per migliorare la navigazione del sito, analizzare l'utilizzo del sito e assistere le nostre attività di marketing. Maggiori informazioni
Impostazioni dei cookie
Cliccando su “Accetta tutti i cookie”, l'utente accetta di memorizzare i cookie sul proprio dispositivo per migliorare la navigazione del sito, analizzare l'utilizzo del sito e assistere le nostre attività di marketing. Maggiori informazioni
Accetta tutti i cookie
Impostazioni dei cookie
Yolo Vision Shenzhen
Shenzhen
Iscriviti ora

ultralytics

Implementare modelli di IA per la visione in 43 regioni del mondo

Trasferisci i tuoi modelli addestrati dal browser agli endpoint di produzione con pochi clic, grazie al ridimensionamento automatico, al monitoraggio in tempo reale e a oltre 17 formati di esportazione. La soluzione end-to-end per l'implementazione in contesti reali.

Inizia
Contatta l'ufficio vendite
Interfaccia utente che mostra le opzioni di esportazione per PyTorch , tra cui ONNX, TorchScript, OpenVINO, TensorRT, CoreML, TF , TF SavedModel e TF GraphDef, con una mappa del mondo che evidenzia 3 distribuzioni in verde e diversi segnaposti rossi.

43+

Aree di implementazione

17+

Formati di esportazione

500+

Implementazioni attive

Prova il tuo modello nel browser

Ogni modello addestrato include una scheda "Predict" integrata. Carica un'immagine, seleziona un esempio o apri la fotocamera: i risultati vengono visualizzati immediatamente con riquadri di delimitazione, maschere o punti chiave sovrapposti direttamente sull'immagine.

Feedback immediato

L'inferenza viene eseguita automaticamente quando si carica un'immagine o si modifica un parametro. Nessun clic, nessuna attesa, solo prestazioni da modello di punta.

Parametri regolabili

Regola con precisione le soglie di confidenza, IoU e le dimensioni dell'immagine per vedere come influenzano le previsioni in tempo reale.

Adatto a qualsiasi attività

Rilevamento, segmentazione delle istanze, classificazione, stima della posa e OBB, il tutto visualizzato con le sovrapposizioni più adatte al tipo di attività.
Interfaccia utente che mostra l'immagine di un escavatore giallo in un cantiere edile, rilevato ed etichettato da un modello di intelligenza artificiale con IoU di confidenza e IoU visibili.
Interfaccia utente che mostra le miniature delle immagini selezionate, i cursori per le soglie di confidenza (0,25) e IoU 0,70) e le opzioni relative alle dimensioni dell'immagine, con 640 selezionato.
Vista aerea del cantiere di scavo con due escavatori che caricano terra su tre autocarri con cassone ribaltabile; tutti i veicoli sono contornati in blu e verde per il riconoscimento degli oggetti.

Distribuzione in 43 regioni in tutto il mondo

Distribuisci i tuoi modelli su endpoint dedicati in 43 regioni globali, che coprono le Americhe, l'Europa, l'Asia-Pacifico e il Medio Oriente. Ogni endpoint è un servizio a tenant singolo dotato di URL dedicato, scalabilità automatica e monitoraggio indipendente.
Mappa del mondo che mostra varie località contrassegnate da puntine colorate in Nord America, Europa e Asia.
Dashboard che mostra i parametri di prestazione del modello con mAP50 96,2%, mAP50 al 90,1% e precisione all'87,2%, insieme a un pannello dei log relativo al modello di segmentazione YOLO26s implementato a Parigi.

Scalabilità automatica che si adatta al tuo traffico

Gli endpoint dedicati si espandono automaticamente per gestire i picchi di traffico e si riducono a zero quando sono inattivi, così non pagherai mai per risorse di calcolo che non utilizzi.

Per impostazione predefinita, il consumo è pari a zero. Non ci sono costi quando il tuo endpoint non riceve richieste.

Nessun limite di velocità. Nessun limite di velocità. A differenza dell'inferenza condivisa, gli endpoint dedicati non hanno limiti di throughput, ma sono limitati solo dalle risorse dell'endpoint stesso.

Risorse configurabili. Scegli il numero di CPU (da 1 a 8) e la memoria (da 1 a 32 GB) in base ai requisiti del tuo modello e ai modelli di traffico.

Oltre 17 formati di esportazione. Il tuo modello. Qualsiasi ambiente.

Ultralytics supporta sia l'implementazione su cloud che sull'edge. TuttiYOLO Ultralytics sono ottimizzati in modo nativo per funzionare in modo efficiente in diversi ambienti, garantendo prestazioni affidabili anche su hardware con risorse di calcolo limitate.

Elenco dei formati di esportazione per PyTorch , tra cui ONNX, TorchScript, OpenVINO, TensorRT GPU, CoreML e TF , con le rispettive icone e i codici di formato.
Dashboard che mostra 13.959 richieste totali, 3 distribuzioni attive, un tasso di errore dello 0% e una latenza P95 di 14 ms nelle ultime 24 ore.

Monitorare tutto ciò che è in produzione

Visibilità completa e in tempo reale sulle prestazioni dei tuoi modelli. Una volta che i modelli sono attivi, la dashboard delle distribuzioni ti offre una panoramica centralizzata di tutti gli endpoint in esecuzione, con le metriche necessarie per garantire un funzionamento affidabile dei tuoi framework.

Volume delle richieste. Totale delle richieste su tutti gli endpoint nelle ultime 24 ore.

Latenza P95. Tempo di risposta al 95° percentile per track le prestazioni in scenari d'uso track .

Tassi di errore. Avvisi evidenziati quando i tassi di errore superano il 5%, con registri filtrati in base alla gravità per aiutarti a diagnosticare rapidamente i problemi.

Controlli di integrità. Indicatori di stato in tempo reale con riprova automatica quando gli endpoint non sono integri. La latenza di risposta viene visualizzata accanto a ciascun controllo.

Integrazione in pochi minuti

Ogni endpoint implementato include esempi di codice generati automaticamente in Python, JavaScript e cURL, già precompilati con l'URL effettivo dell'endpoint e la chiave API. Basta copiare, incollare e iniziare a inviare richieste di inferenza da qualsiasi applicazione.

Inizia
Contatta l'ufficio vendite
Frammento Python per l'invio di un'immagine a un endpoint di distribuzione utilizzando la libreria requests con parametri di autorizzazione e di inferenza.

Scopri come effettuare l'implementazione!

Scopri come testare un modello addestrato, distribuirlo su un endpoint globale e monitorarne le prestazioni.
Donna che utilizza l'applicazione mobile Ultralytics

Devi prima addestrare un modello?

Ultralytics integra annotazione, addestramento e implementazione in un'unica piattaforma.
 Scopri i corsi di formazione

Domande frequenti

Posso distribuire lo stesso modello in più regioni?

Sì. Ogni modello può essere distribuito contemporaneamente in più regioni . Il numero totale di endpoint disponibili dipende dal piano scelto: 3 per il piano Free, 10 per il piano Pro e illimitato per il piano Enterprise. Ciò consente di servire gli utenti a livello globale con endpoint a bassa latenza in ogni regione.

Quanto costa l'implementazione?

Gli endpoint dedicati vengono fatturati in base CPU, alla memoria e al volume delle richieste. Poiché l'opzione "scale-to-zero" è abilitata per impostazione predefinita, paghi solo per il tempo di inferenza attivo; non ci sono costi quando l'endpoint non riceve richieste. L'inferenza condivisa è inclusa nel tuo piano della piattaforma.

Qual è la differenza tra inferenza condivisa e inferenza dedicata?

L'inferenza condivisa viene eseguita su un servizio multi-tenant distribuito su 3 regioni ed è soggetta a un limite di 20 richieste al minuto. È ideale per lo sviluppo e i test rapidi. Gli endpoint dedicati sono servizi single-tenant distribuiti in una qualsiasi delle 43 regioni, senza limiti di velocità, con latenza costante e risorse configurabili, progettati per carichi di lavoro di produzione scalabili.

Quanto tempo richiede l'implementazione?

L'implementazione di un endpoint dedicato richiede in genere da uno a due minuti. Ciò comprende il provisioning del container, l'avvio e un controllo iniziale dello stato di salute per verificare che il servizio sia pronto. Una volta che l'endpoint è pronto, inizia immediatamente ad accettare richieste di inferenza .

Cos'è il deployment di un modello?

La distribuzione dei modelli è il processo che rende disponibile un modello di visione artificiale addestrato per ricevere ed elaborare dati reali. Una volta distribuiti, le applicazioni di visione artificiale possono inviare immagini e fotogrammi video al modello tramite API e ricevere previsioni, consentendo operazioni che vanno dal controllo automatico della qualità al rilevamento di oggetti in tempo reale nei sistemi di produzione. Sulla Ultralytics , l'implementazione è integrata direttamente nel flusso di lavoro di addestramento end-to-end. Una volta addestrato il modello, è possibile testarlo nel browser, implementarlo su un endpoint dedicato in una qualsiasi delle 43 regioni globali e monitorarne le prestazioni, il tutto dallo stesso spazio di lavoro.

Inizia oggi stesso l'implementazione

Porta i tuoi modelli addestrati in produzione in 43 regioni in tutto il mondo grazie al ridimensionamento automatico e al monitoraggio in tempo reale.

Inizia
Contatta l'ufficio vendite