Pianifica e definisci il budget di un progetto Platform

Il ciclo connesso da Platform#

Ogni sistema di visione artificiale in produzione segue lo stesso ciclo, e la parte costosa è la freccia tra due riquadri, non il riquadro stesso:

Il valore di Platform sta nel registrare, in ogni fase, ciò di cui ha bisogno quella successiva. Usa questa tabella come mappa; l'ultima colonna indica la lezione che illustra la fase:

Due strumenti coprono l'intero ciclo. Agents crea flussi di lavoro visivi, ad esempio raccogliendo le rilevazioni incerte in un dataset di revisione, mentre Ask AI può addestrare, confrontare, annotare, esportare e distribuire a partire da una conversazione, usando gli stessi comandi ul cloud che puoi eseguire tu.

Decidi di cosa vuoi ancora occuparti#

La piattaforma si ferma a pochi confini ben definiti. Assegna a ciascuno un responsabile identificato nel tuo piano:

• Estrazione dei frame da sistemi proprietari (archivi DICOM, telecamere OEM, sistemi storici degli impianti): il tuo codice li trasferisce in un bucket o li carica.
• Avvisi. La piattaforma mostra le metriche degli endpoint e invia a Slack gli eventi dei job, ma non genera avvisi al superamento delle soglie di latenza o di errore. Realizzerai questo controllo nella lezione 8.
• Precisione nel tempo. Un set di verifica etichettato e la relativa cronologia sono responsabilità tua (lezione 8).
• Logica applicativa. Il conteggio, il tracciamento e le regole delle zone risiedono nel tuo servizio; Ultralytics Solutions e il corso Ultralytics YOLO in Production li trattano.
• Instradamento del traffico. Gli endpoint hanno URL generati e non supportano domini personalizzati, quindi per i deployment canary, l'instradamento multiregionale e i nomi host personalizzati ti serve un gateway.

Platform non è un framework separato. Un modello Platform si scarica come un normale best.pt, che YOLO("best.pt") carica, convalida ed esporta; un model.train(..., project="username/my-project") locale viene trasmesso a Platform con una chiave API configurata. Passare dall'uno all'altro non richiede mai conversioni.

Esempio pratico: definisci il budget del progetto prima di iniziare#

Tre elementi consumano crediti: l'addestramento cloud (tariffa GPU × tempo utilizzato), l'annotazione in batch e l'offuscamento dei volti nell'intero dataset (1,00 $ ogni 1.000 immagini) e gli endpoint di dimensioni personalizzate (fatturati per ora di attività). Tutto il resto di questo corso è gratuito. Questo calcolatore usa le tariffe effettive di Platform per un piccolo progetto di rilevamento:

# Monthly Platform budget for a small detection project (rates from the billing and deployment docs)
TRAIN_RUNS = 8  # experiments per month
COST_PER_RUN = 0.23  # dialog estimate: ~1,000 images, YOLO26n, 100 epochs, RTX PRO 6000 ($2.09/h)
BATCH_ANNOTATION_IMAGES = 3_000  # $1.00 per 1,000 images
HOURS_PER_MONTH = 730

# Custom endpoint sizes keep one warm instance; us-central1 rates are $0.000024/vCPU-s and $0.0000025/GiB-s
warm_endpoint_hourly = (2 * 0.000024 + 4 * 0.0000025) * 3600  # 2 vCPU, 4 GiB

lines = {
    "cloud training": TRAIN_RUNS * COST_PER_RUN,
    "batch annotation": BATCH_ANNOTATION_IMAGES / 1000 * 1.00,
    "default endpoint (1 vCPU, 2 GiB, scales to zero)": 0.0,
    "warm endpoint (2 vCPU, 4 GiB, always on)": warm_endpoint_hourly * HOURS_PER_MONTH,
}
for item, usd in lines.items():
    print(f"{item:<50} ${usd:>7.2f}")
print(f"{'total with a warm endpoint':<50} ${sum(lines.values()):>7.2f}")

cloud training                                     $   1.84
batch annotation                                   $   3.00
default endpoint (1 vCPU, 2 GiB, scales to zero)   $   0.00
warm endpoint (2 vCPU, 4 GiB, always on)           $ 152.42
total with a warm endpoint                         $ 157.26

Come interpretarlo:

• COST_PER_RUN è ricavato dalla stima nella finestra di dialogo dell'addestramento, che tiene conto delle dimensioni del dataset, del modello, delle epoche, delle dimensioni delle immagini e della GPU. Sostituiscilo con la stima per il tuo dataset (lezione 5): 5.000 immagini × YOLO26s × 100 epoche su un H100 SXM costano circa 1,56 $.
• La voce dell'endpoint è quella più consistente. Addestrare ed etichettare un piccolo progetto costa pochi dollari; mantenere un'istanza attiva per 730 ore al mese costa circa 150 $ in Iowa (le tariffe variano in base alla regione e la finestra di dialogo del deployment mostra il prezzo orario esatto).
• Regola decisionale: avvia ogni endpoint con la dimensione gratuita predefinita. Scegli una dimensione personalizzata solo quando gli utenti non possono tollerare un avvio a freddo che può durare fino a un minuto e il traffico è abbastanza costante da giustificare il costo di attività.

Piani#

Regola decisionale: resta su Free mentre impari; passa a Pro quando ti servono l'archiviazione cloud collegata, un team, più di tre endpoint o più di tre addestramenti simultanei. I 30 $ di credito mensile di Pro coprono le voci di addestramento ed etichettatura del budget qui sopra. La documentazione sulla fatturazione elenca tutte le tariffe.

Insidie#