Erste Schritte

Modelltraining

Die Ultralytics Platform bietet Tools für das Training von YOLO-Modellen – von der Organisation von Experimenten bis zum Ausführen von Trainingsaufträgen in der Cloud mit Kennzahlen in Echtzeit.



Ansehen: Starte mit der Ultralytics Platform – Training

Übersicht#

Im Bereich „Training“ kannst du:

  • Modelle zur einfacheren Verwaltung in Projekten organisieren
  • Mit einem Klick auf Cloud-GPUs trainieren
  • Metriken während des Trainings in Echtzeit überwachen
  • Die Modellleistung über verschiedene Experimente hinweg vergleichen
  • Export in 23 Bereitstellungsformate (siehe unterstützte Formate)

Trainingsübersicht von Ultralytics Platform

Workflow#

StufeBeschreibung
ProjektErstelle einen Arbeitsbereich, um zusammengehörige Modelle zu organisieren
KonfigurierenWähle Datensatz, Basismodell und Trainingsparameter aus
TrainierenFühre das Training auf Cloud-GPUs oder deiner lokalen Hardware aus
ÜberwachenZeige Verlustkurven und Metriken in Echtzeit an
ExportierenIn 23 Bereitstellungsformate konvertieren (Details)

Trainingsoptionen#

Ultralytics Platform unterstützt mehrere Trainingsansätze:

MethodeBeschreibungAm besten geeignet für
Cloud-TrainingTrainiere auf Cloud-GPUs von UltralyticsKeine lokale GPU erforderlich, skalierbar
Lokales TrainingTrainiere lokal und übertrage Metriken an die PlattformVorhandene Hardware, Datenschutz
Colab-TrainingVerwende Google Colab mit PlattformintegrationKostenloser GPU-Zugriff
Automatische GPU-Zuweisung

Wenn du eine GPU auswählst, die günstiger als die RTX PRO 6000 ist, und von Ultralytics verwaltete Kapazität frei ist, führt die Plattform deinen Auftrag auf einer RTX PRO 6000 aus. Dabei wird weiterhin der Stundensatz der von dir ausgewählten GPU berechnet. Die Aufträge können so schneller abgeschlossen werden und weniger kosten als auf der ausgewählten GPU – das Upgrade verursacht weder zusätzliche Zeit noch zusätzliche Kosten.

GPU-Optionen#

Verfügbare GPUs für das Cloud-Training auf Ultralytics Cloud:

GPUGenerationVRAMAm besten geeignet für
RTX 2000 AdaAda16 GBKleine Datensätze, Tests
RTX A4500Ampere20 GBKleine bis mittelgroße Datensätze
RTX A5000Ampere24 GBMittlere Datensätze
RTX 4000 AdaAda20 GBMittlere Datensätze
RTX 3090Ampere24 GBAllgemeines Training
RTX PRO 4000Blackwell24 GBPreisgünstiges Blackwell
L4Ada24 GBFür Inferenz optimiert
A40Ampere48 GBGrößere Batchgrößen
RTX A6000Ampere48 GBGroße Modelle
RTX PRO 4500Blackwell32 GBGutes Preis-Leistungs-Verhältnis
L40Ada48 GBGroße Modelle
RTX 4090Ada24 GBAllgemeines Training
RTX PRO 5000Blackwell48 GBTraining mit großen Batchgrößen
RTX 6000 AdaAda48 GBTraining mit großen Batchgrößen
L40SAda48 GBTraining mit großen Batchgrößen
RTX 5090Blackwell32 GBNeueste Generation für Endverbraucher
A100 PCIeAmpere80 GBTraining für den Produktiveinsatz
A100 SXMAmpere80 GBTraining für den Produktiveinsatz
RTX PRO 6000Blackwell96 GBEmpfohlene Standardeinstellung
H100 PCIeHopper80 GBHochleistungstraining
H100 NVLHopper94 GBMaximale Leistung
H200 NVLHopper143 GBMaximaler Speicher
H100 SXMHopper80 GBSchnellstes Training
H200 SXMHopper141 GBMaximale Leistung
B200Blackwell180 GBGroße Modelle (Pro+)
B300Blackwell288 GBGrößte Modelle (Pro+)

Die aktuellen Stundenpreise werden im GPU-Auswahlmenü des Trainingsdialogs und auf der Preisseite angezeigt.

Zugriff auf GPU-Stufen

Für B200- und B300-GPUs benötigst du einen Pro- oder Enterprise-Tarif. Alle anderen GPUs sind in allen Tarifen verfügbar, auch im kostenlosen Tarif.

Guthaben bei der Registrierung

Neue Konten erhalten Trainingsguthaben bei der Registrierung. Weitere Informationen findest du unter Abrechnung.

Metriken in Echtzeit#

Auf dem Tab Trainieren des Modells kannst du Live-Metriken und verfügbare Validierungsergebnisse ansehen:

UntertabMetriken
MesswerteAufgabenkennzahlen (mAP50, mAP50-95, Präzision und Recall für die Detektion), Trainings-/Validierungsverluste, Lernrate
ValidierungAufgezeichnete Validierungsdiagramme und Analysen einzelner Bilder, sofern verfügbar
KonsoleLive-Trainingsprotokolle mit ANSI-Farben und automatischer Fehlererkennung
SystemGPU-Auslastung, GPU-Speicher und -Temperatur, CPU, RAM, Netzwerk- und Festplatten-I/O
Automatische Checkpoints

Der beste Checkpoint (best.pt, die Epoche mit dem höchsten Fitnesswert) wird regelmäßig während des Trainings und erneut nach dessen Ende auf die Plattform hochgeladen. So verwenden Download, Export und Bereitstellung immer die bis dahin beste erzeugte Epoche. Bei abgebrochenen Trainingsläufen bleibt der zuletzt vollständig hochgeladene Checkpoint erhalten.

Schnellstart#

Starte in weniger als einer Minute mit dem Cloud-Training:

  1. Erstelle in der Seitenleiste ein Projekt
  2. Klicke auf Neues Modell
  3. Wähle ein Modell, einen Datensatz und eine GPU aus
  4. Klicke auf Training starten
  • Projekte: Organisiere deine Modelle und Experimente
  • Modelle: Verwalte trainierte Checkpoints
  • Cloud-Training: Trainiere auf Cloud-GPUs
  • AutoTrain: Verwende „Ask AI“, um Experimente auszuführen und Modelle zu vergleichen

Häufig gestellte Fragen#

  • Die Trainingsdauer hängt von Folgendem ab:

    • Größe des Datensatzes (Anzahl der Bilder)
    • Modellgröße (n, s, m, l, x)
    • Anzahl der Epochen
    • Ausgewählter GPU-Typ

    Der aktuelle Schätzer sagt für 1000 Bilder, YOLO26n und 100 Epochen auf RTX PRO 6000 etwa 6 Minuten und für 500 Bilder, YOLO26n und 50 Epochen auf RTX 4090 etwa 2 Minuten voraus. Die tatsächliche Dauer kann abweichen. Verwende die Live-Schätzung im Trainingsdialog für den ausgewählten Datensatz und die gewählte Konfiguration.

  • Ja. Die Anzahl gleichzeitiger Cloud-Trainingsläufe hängt von deinem Tarif ab: Im kostenlosen Tarif sind es 3, im Pro-Tarif 10 und im Enterprise-Tarif gibt es keine Begrenzung. Für zusätzliche parallele Trainingsläufe kannst du Remote-Training von mehreren Rechnern aus verwenden.

  • Wenn das Training fehlschlägt:

    1. Das Modell wird als fehlgeschlagen markiert und die Recheninstanz wird beendet
    2. Auf der Modellseite wird ein Fehlerbanner mit dem erfassten Fehler, einem Link zur Konsolenausgabe sowie den Optionen Mit KI diagnostizieren und Training wiederholen angezeigt. Die Aktion Training wiederholen (Rolle „Editor“ oder höher) öffnet den Trainingsdialog mit derselben Konfiguration erneut.
    3. Ein Trainingslauf, der 4 Stunden lang keine Aktivität meldet, wird automatisch als fehlgeschlagen markiert und seine Rechenressourcen werden freigegeben
    4. Wenn die Cloud-Berechnung begonnen hat, wird die verstrichene GPU-Zeit berechnet. Bei Fehlern vor Beginn der Berechnung fallen keine GPU-Nutzungskosten an.
  • SzenarioEmpfohlene GPU
    Die meisten TrainingsaufträgeRTX PRO 6000
    Große Datensätze oder Batch-GrößenH100 SXM oder H200
    KostenbewusstRTX 4090

Kommentare

Stell eine Frage, teile deine Ergebnisse oder hilf jemand anderem.