在产品首次部署到现实世界时，会发现一些边缘案例会让现有的模型感到困惑。因此，从现场收集数据并持续迭代模型至关重要。部署第一个模型只是起点，而非终点。随着模型的改进，产品将获得更广泛的使用，这将帮助收集更多数据，进一步改进模型，形成一个良性循环。
数据积累的过程是构建持久竞争优势的关键。可以在中了解更多关于主动学习的过程。
为了帮助实现模型的持续改进，Roboflow今天推出了上传API，并向所有用户开放。通过将上传API集成到应用程序中，可以直接从部署的应用程序中向数据集添加图像。
开始使用非常简单，只需前往账户页面中的并创建API密钥。可以在仪表板中创建API密钥。请像对待密码一样对待此密钥，因为它可以用于访问和修改Roboflow账户上的数据。（随着时间的推移，将添加更多的API功能。）
然后在Roboflow中创建一个数据集来存放上传的图像。将上传的图像与生产数据分开，可以让轻松跟踪哪些图像需要标记和审核。它还可以让在不污染主数据集的情况下过滤掉垃圾图像。可以通过URL获取数据集标识符；这是告诉上传API希望将图像添加到哪个数据集的方式。
数据集ID最方便的获取方式是通过Web界面中数据集的URL。在中找到选择的编程语言的代码片段，并将其添加到应用程序中。建议为用户提供一种标记模型表现不佳的方式，以便可以收集最能改进模型的特定边缘案例的示例。但是，上传现实世界图像的随机样本总比什么都不做要好，可以作为一个很好的第一步。
为许多语言提供了代码片段；如果首选环境尚未出现，请告诉，将很高兴添加它！然后，每隔一段时间，使用标记一批图像，将它们合并到主数据集中，训练模型的新版本，并将其推送到生产环境。每次完成这个循环，模型都会继续改进。