Hub
3.6 docs/hub.md — Обзор acmenra-hub¶
# ☁️ acmenra-hub
**Облачная платформа** для end-to-end ML workflow: обучение, деплой, мониторинг.
!!! warning "В разработке"
Продукт находится в активной разработке. Релиз запланирован на **Q3 2027**.
Хотите получить ранний доступ? [Свяжитесь с нами](mailto:contact@acmenra.studio)
---
## Обзор
**acmenra-hub** — это облачная платформа для полного цикла разработки CV-решений: от разметки данных до деплоя в production с мониторингом.
[:octicons-arrow-right-24: Перейти в Hub](https://hub.acmenra.studio){ .md-button .md-button--primary }
---
## Workflow
---
## Ключевые возможности
### 📁 Data Management
- **Upload** изображений, видео, датасетов
- **Annotate** в web-интерфейсе (manual + AI-assisted)
- **Version** датасетов (Git-like)
- **Export** в YOLO/COCO/VOC
### 🚀 Cloud Training
- **Российские GPU**: A100, H100 (в дата-центрах РФ)
- **Real-time metrics**: loss, accuracy, mAP
- **Experiment tracking**: сравнение разных runs
- **Hyperparameter tuning**: автоматический подбор
### 📦 Model Export
- **20+ форматов**: ONNX, TensorRT, OpenVINO, CoreML
- **Quantization**: INT8, FP16
- **Optimization**: под конкретный hardware
### 🌐 Deployment
- **10+ регионов РФ**: Москва, Санкт-Петербург, Новосибирск
- **Dedicated endpoints**: изолированные inference endpoints
- **Auto-scaling**: автоматическое масштабирование
- **API keys**: безопасный доступ
### 📊 Monitoring
- **Real-time metrics**: latency, throughput, errors
- **Alerts**: уведомления о проблемах
- **Logs**: подробные логи запросов
- **Dashboards**: визуализация метрик
---
## Использование
### 1. Создание проекта
```bash
acmenra-hub init my-project
2. Загрузка датасета¶
3. Обучение модели¶
# Cloud training
acmenra-hub train \
--project my-project \
--model acmenra-v1n.pt \
--epochs 100 \
--gpu a100
# Remote training (локально, метрики в Hub)
acmenra-hub train-remote \
--project my-project \
--model acmenra-v1n.pt \
--epochs 100
4. Экспорт модели¶
5. Деплой¶
6. Использование endpoint¶
import requests
url = "https://my-project.acmenra.studio/predict"
api_key = "your-api-key"
with open("image.jpg", "rb") as f:
response = requests.post(
url,
headers={"Authorization": f"Bearer {api_key}"},
files={"file": f},
)
print(response.json())
Тарифы¶
| Тариф | GPU часы | Проекты | Поддержка | Цена |
|---|---|---|---|---|
| Free | 10 часов/мес | 1 | Community | 0 ₽ |
| Pro | 100 часов/мес | 10 | 8×5 | 9 900 ₽/мес |
| Enterprise | Безлимит | Безлимит | 24×7 | По запросу |
Roadmap¶
- Project management
- Dataset upload
- Cloud training (A100)
- Web annotation tool
- AI-assisted annotation
- Model export (ONNX, TensorRT)
- Deployment endpoints
- Monitoring dashboards
- Auto-scaling
Ранний доступ¶
Хотите получить ранний доступ к acmenra-hub?
Напишите нам ```