致力于为提供最佳支持。这个页面是一个门户，连接到各种工作支持的指南和文档，帮助在使用Ultralytics YOLO的仓库时解答可能遇到的问题。
探索Ultralytics YOLO用户和贡献者社区中常见的问题和问题的答案。
了解如何提交拉取请求、报告错误等贡献协议。
获取使用的CI流程的洞察，包括每个仓库(Ultralytics)的状态报告。
审查CLA以理解与为Ultralytics项目做出贡献相关的权利和责任。
了解创建MRE的过程，这对于及时有效地解决错误报告至关重要。
社区准则支持所有合相互尊重并营造开放的氛围。
详细了解Facebook为可持续性以及所有利益相关者的福祉所做的努力。
熟悉安全协议和漏洞报告程序。
阅读隐私政策，了解在所有服务和运营中保护数据和尊重个人信息的方法。
为了确保顺利和富有成效的体验，请查看这些资源。目标是为Ultralytics社区的每个人提供帮助，并创造一个亲切的环境。如果需要额外的支持，随时通过GitHub问题或官方论坛提出问题。祝编码愉快！
什么是Ultralytics YOLO，它如何使机器学习项目受益？
Ultralytics YOLO (You Only Look Once) 是一个最先进的实时目标检测模型。其最新版本，YOLO11，增强了速度、准确性和多功能性，使其成为从实时视频分析到高级机器学习研究等各种应用的理想选择。YOLO在图像和视频中检测对象的效率使其成为企业和研究人员希望将强大的计算机视觉功能集成到他们的项目中的解决方案。
有关YOLO11的更多详细信息，请访问YOLO11文档。
如何为Ultralytics YOLO仓库做出贡献？
为Ultralytics YOLO仓库做出贡献的方法很简单。首先，查看贡献指南以了解提交拉取请求、报告错误等协议。此外，要使贡献者的贡献在法律上得到承认，必须签署贡献者许可协议(CLA)。有关有效的错误报告，请参考最小可重现示例(MRE)指南。
为什么要在机器学习项目中使用Ultralytics HUB？
Ultralytics HUB 提供了一个无缝的无代码解决方案，用于管理机器学习项目。它使能够轻松地生成、训练和部署像YOLO11这样的AI模型。独特的功能包括云训练、实时跟踪和直观的数据集管理。Ultralytics HUB简化了整个工作流程，从数据处理到模型部署，使其成为初学者和高级用户不可或缺的工具。
要开始，请访问Ultralytics HUB快速入门。
Ultralytics的持续集成(CI)是什么，如何保证高质量代码？
Ultralytics的持续集成(CI)包括确保代码库的完整性和质量的自动化过程。CI设置包括Docker部署、断开的链接检查、CodeQL分析和PyPI发布。这些过程自动执行新代码提交的测试和检查，有助于维护稳定和安全的仓库。