Schnellstartanleitung für Ultralytics

Dieser Leitfaden bietet eine umfassende Einführung in die Nutzung von Ultralytics auf Modal und behandelt dabei sowohl GPU serverlose GPU als auch das Modelltraining.

Was ist Modal?

Modal ist eine serverlose Cloud-Computing-Plattform für KI- und Machine-Learning-Anwendungen. Sie übernimmt automatisch die Bereitstellung, Skalierung und Ausführung – Sie schreiben Python lokal, und Modal führt ihn in der Cloud mit GPU aus. Damit eignet sich die Plattform ideal für die Ausführung von Deep-Learning-Modellen wie YOLO26, ohne dass Sie sich um die Infrastruktur kümmern müssen.

Was Sie lernen werden

• Modal einrichten und authentifizieren
• Ausführen der YOLO26-Inferenz auf Modal
• Einsatz von GPUs für eine schnellere Inferenz
• Training von YOLO26-Modellen auf Modal

Voraussetzungen

• Ein Modal-Konto (kostenlos registrieren unter modal.com)
• Python .9 oder höher muss auf Ihrem lokalen Rechner installiert sein

Installation

Installieren Sie das Python „Modal“ und melden Sie sich an:

pip install modal

modal token new

Ausführen der YOLO26-Inferenz

Erstellen Sie eine neue Python mit dem Namen modal_yolo.py mit dem folgenden Code:

"""
Modal + Ultralytics YOLO26 Quickstart
Run: modal run modal_yolo.py.
"""

import modal

app = modal.App("ultralytics-yolo")

image = modal.Image.debian_slim(python_version="3.11").apt_install("libgl1", "libglib2.0-0").pip_install("ultralytics")


@app.function(image=image)
def predict(image_url: str):
    """Run YOLO26 inference on an image URL."""
    from ultralytics import YOLO

    model = YOLO("yolo26n.pt")
    results = model(image_url)

    for r in results:
        print(f"Detected {len(r.boxes)} objects:")
        for box in r.boxes:
            print(f"  - {model.names[int(box.cls)]}: {float(box.conf):.2f}")


@app.local_entrypoint()
def main():
    """Test inference with sample image."""
    predict.remote("https://ultralytics.com/images/bus.jpg")

Führen Sie die Inferenz durch:

modal run modal_yolo.py

Erwartetes Ergebnis:

✓ Initialized. View run at https://modal.com/apps/your-username/main/ap-xxxxxxxx
✓ Created objects.
├── 🔨 Created mount modal_yolo.py
└── 🔨 Created function predict.
Downloading https://github.com/ultralytics/assets/releases/download/v8.4.0/yolo26n.pt to 'yolo26n.pt'...
Downloading https://ultralytics.com/images/bus.jpg to 'bus.jpg'...
image 1/1 /root/bus.jpg: 640x480 4 persons, 1 bus, 377.8ms
Speed: 5.8ms preprocess, 377.8ms inference, 0.3ms postprocess per image at shape (1, 3, 640, 480)

Detected 5 objects:
  - bus: 0.92
  - person: 0.91
  - person: 0.91
  - person: 0.87
  - person: 0.53
✓ App completed.

Sie können die Ausführung Ihrer Funktionen im Modal-Dashboard überwachen:

Einsatz von GPU eine schnellere Inferenz

Fügen Sie Ihrer Funktion eine GPU , indem Sie die gpu Parameter:

@app.function(image=image, gpu="T4")  # Options: "T4", "A10G", "A100", "H100"
def predict_gpu(image_url: str):
    """Run YOLO26 inference on GPU."""
    from ultralytics import YOLO

    model = YOLO("yolo26n.pt")
    results = model(image_url)
    print(results[0].boxes)

Training von YOLO26 auf Modal

Verwenden Sie für das Training eine GPU Modal Bände für die dauerhafte Speicherung. Erstellen Sie eine neue Python mit dem Namen train_yolo.py:

import modal

app = modal.App("ultralytics-training")

volume = modal.Volume.from_name("yolo-training-vol", create_if_missing=True)

image = modal.Image.debian_slim(python_version="3.11").apt_install("libgl1", "libglib2.0-0").pip_install("ultralytics")


@app.function(image=image, gpu="T4", timeout=3600, volumes={"/data": volume})
def train():
    """Train YOLO26 model on Modal."""
    from ultralytics import YOLO

    model = YOLO("yolo26n.pt")
    model.train(data="coco8.yaml", epochs=3, imgsz=640, project="/data/runs")


@app.local_entrypoint()
def main():
    train.remote()

Lauftraining:

modal run train_yolo.py

Herzlichen Glückwunsch! Du hast Ultralytics erfolgreich auf Modal eingerichtet. Weitere Informationen findest du hier:

• Entdecken Sie die Dokumentation zu Ultralytics für erweiterte Funktionen
• Erfahren Sie mehr über das Trainieren benutzerdefinierter Modelle mit Ihren eigenen Datensätzen
• Weitere Informationen zu den erweiterten Funktionen der Plattform finden Sie in der Modal-Dokumentation

FAQ

Wie wähle ich die richtige GPU meine YOLO26-Anwendung aus?

Für die Inferenz ist eine NVIDIA (16 GB) in der Regel ausreichend und kostengünstig. Für das Training oder größere Modelle wie YOLO26x sollten Sie A10G- oder A100-GPUs in Betracht ziehen.

Wie viel kostet es, YOLO26 auf Modal auszuführen?

Modal berechnet seine Preise auf Sekundenbasis. Ungefähre Preise: CPU 0,05 $/Std., T4 ~0,59 $/Std., A10G ~1,10 $/Std., A100 ~2,10 $/Std. Die aktuellen Preise finden Sie in der Modal-Preisliste.

Kann ich mein eigenes, individuell trainiertes YOLO verwenden?

Ja! Benutzerdefinierte Modelle aus einem Modal Volume laden:

model = YOLO("/data/my_custom_model.pt")

Weitere Informationen zum Trainieren benutzerdefinierter Modelle finden Sie im Trainingsleitfaden.

📅 Erstellt vor 0 Tagen ✏️ Aktualisiert vor 0 Tagen

Kommentare