Modelltraining#
Ultralytics Platform bietet umfassende Tools zum Training von YOLO-Modellen, von der Organisation von Experimenten bis zur Ausführung von Cloud-Trainingsjobs mit Echtzeit-Metrik-Streaming.
Watch: Get Started with Ultralytics Platform - Train
Übersicht#
Der Trainingsbereich hilft dir dabei:
- Organisiere Modelle in Projekten für eine einfachere Verwaltung
- Auf Cloud-GPUs mit einem Klick zu trainieren
- Echtzeit-Metriken während des Trainings zu überwachen
- Modellleistung über Experimente hinweg zu vergleichen
- Exportiere in 20 Bereitstellungsformate (siehe unterstützte Formate)
Workflow#
graph LR
A[📁 Project]:::start --> B[⚙️ Configure]:::proc
B --> C[🚀 Train]:::proc
C --> D[📈 Monitor]:::proc
D --> E[📦 Export]:::out
classDef start fill:#4CAF50,color:#fff
classDef proc fill:#2196F3,color:#fff
classDef out fill:#9C27B0,color:#fff| Phase | Beschreibung |
|---|---|
| Projekt | Erstelle einen Arbeitsbereich, um zusammengehörige Modelle zu organisieren |
| Konfigurieren | Wähle Dataset, Basismodell und Trainingsparameter aus |
| Trainieren | Führe das Training auf Cloud-GPUs oder deiner lokalen Hardware aus |
| Überwachen | Sieh dir Echtzeit-Verlustkurven und Metriken an |
| Exportieren | In 20 Bereitstellungsformate konvertieren (Details) |
Trainingsoptionen#
Die Ultralytics Platform unterstützt mehrere Trainingsansätze:
| Methode | Beschreibung | Am besten für |
|---|---|---|
| Cloud-Training | Trainiere auf Ultralytics Cloud GPUs | Keine lokale GPU, Skalierbarkeit |
| Lokales Training | Trainiere lokal, streame Metriken an die Plattform | Vorhandene Hardware, Datenschutz |
| Colab-Training | Nutze Google Colab mit Plattform-Integration | Kostenloser GPU-Zugang |
Wenn du eine günstigere GPU als die RTX PRO 6000 auswählst und von Ultralytics verwaltete Kapazität verfügbar ist, führt die Platform deinen Job auf einer RTX PRO 6000 aus, während dir weiterhin der Stundensatz deiner ausgewählten GPU berechnet wird. Die Durchläufe können schneller fertig sein und weniger kosten als auf der ausgewählten GPU – das Upgrade führt niemals zu mehr Zeitaufwand oder höheren Kosten.
GPU-Optionen#
Verfügbare GPUs für das Cloud-Training auf der Ultralytics Cloud:
| GPU | Generation | VRAM | Kosten/Stunde | Am besten für |
|---|---|---|---|---|
| RTX 2000 Ada | Ada | 16 GB | $0.24 | Kleine Datensätze, Tests |
| RTX A4500 | Ampere | 20 GB | $0.25 | Kleine bis mittlere Datensätze |
| RTX 4000 Ada | Ada | 20 GB | $0.26 | Mittlere Datensätze |
| RTX A5000 | Ampere | 24 GB | $0.27 | Mittlere Datensätze |
| L4 | Ada | 24 GB | $0.39 | Optimiert für Inferenz |
| A40 | Ampere | 48 GB | $0.44 | Größere Batch-Größen |
| RTX 3090 | Ampere | 24 GB | $0.46 | Allgemeines Training |
| RTX A6000 | Ampere | 48 GB | $0.49 | Große Modelle |
| RTX PRO 4000 | Blackwell | 24 GB | $0.57 | Budget Blackwell |
| RTX PRO 4500 | Blackwell | 32 GB | $0.64 | Großartiges Preis-Leistungs-Verhältnis |
| RTX 4090 | Ada | 24 GB | $0.69 | Bestes Preis-Leistungs-Verhältnis |
| RTX 6000 Ada | Ada | 48 GB | $0.77 | Training mit großen Batches |
| L40S | Ada | 48 GB | $0.86 | Training mit großen Batches |
| RTX PRO 5000 | Blackwell | 48 GB | $0.96 | Training mit großen Batches |
| RTX 5090 | Blackwell | 32 GB | $0.99 | Neueste Consumer-Generation |
| L40 | Ada | 48 GB | $0.99 | Große Modelle |
| A100 PCIe | Ampere | 80 GB | $1.39 | Produktionstraining |
| A100 SXM | Ampere | 80 GB | $1.49 | Produktionstraining |
| RTX PRO 6000 | Blackwell | 96 GB | $2.09 | Empfohlener Standard |
| H100 PCIe | Hopper | 80 GB | $2.89 | Hochleistungstraining |
| H100 NVL | Hopper | 94 GB | $3.19 | Maximale Leistung |
| H100 SXM | Hopper | 80 GB | $3.29 | Schnellstes Training |
| H200 NVL | Hopper | 143 GB | $3.39 | Maximaler Speicher |
| H200 SXM | Hopper | 141 GB | $4.39 | Maximale Leistung |
| B200 | Blackwell | 180 GB | $5.89 | Große Modelle (Pro+) |
| B300 | Blackwell | 288 GB | $7.39 | Größte Modelle (Pro+) |
B200- und B300-GPUs erfordern einen Pro- oder Enterprise-Tarif. Alle anderen GPUs sind in allen Tarifen einschließlich Free verfügbar.
Neue Konten erhalten Anmeldeguthaben für das Training. Überprüfe Billing für Details.
Echtzeit-Metriken#
Während des Trainings kannst du Live-Metriken in drei Unterreitern einsehen:
graph LR
A[Charts]:::start --> B[Loss Curves]:::out
A --> C[Task Metrics]:::out
D[Console]:::start --> E[Live Logs]:::out
D --> F[Error Detection]:::out
G[System]:::start --> H[GPU, CPU & Memory]:::out
G --> I[Network & Disk I/O]:::out
classDef start fill:#4CAF50,color:#fff
classDef out fill:#9C27B0,color:#fff| Unter-Reiter | Metriken |
|---|---|
| Diagramme | Aufgabenmetriken (mAP50, mAP50-95, Präzision, Recall für Detektion), Train/Val-Losses, Lernrate |
| Konsole | Live-Trainingsprotokolle mit ANSI-Farben und automatischer Fehlererkennung |
| System | GPU-Auslastung, GPU-Speicher und Temperatur, CPU, RAM, Netzwerk- und Festplatten-I/O |
Der beste Checkpoint (best.pt, die Epoche mit der höchsten Fitness) wird während des Trainings und erneut am Ende des Durchlaufs regelmäßig in die Platform hochgeladen, sodass Download, Export und Deployment immer die bisher beste erzeugte Epoche nutzen. Abgebrochene Durchläufe behalten den letzten erfolgreich hochgeladenen Checkpoint.
Kurzanleitung#
Starte dein Cloud-Training in unter einer Minute:
- Erstelle ein Projekt in der Seitenleiste
- Klicke auf Neues Modell
- Wähle ein Modell, einen Datensatz und eine GPU aus
- Klicke auf Training starten
Schnellzugriff#
- Projects: Organisiere deine Modelle und Experimente
- Modelle: Trainierte Checkpoints verwalten
- Cloud Training: Trainiere auf Cloud-GPUs
FAQ#
Die Trainingsdauer hängt ab von:
- Datensatzgröße (Anzahl der Bilder)
- Modellgröße (n, s, m, l, x)
- Anzahl der Epochen
- Ausgewählter GPU-Typ
Der aktuelle Schätzwert prognostiziert etwa 6 Minuten für 1000 Bilder, YOLO26n, 100 Epochen auf RTX PRO 6000 und etwa 2 Minuten für 500 Bilder, YOLO26n, 50 Epochen auf RTX 4090. Die tatsächliche Dauer variiert; verwende die Live-Schätzung im Trainingsdialog für das ausgewählte Dataset und die ausgewählte Konfiguration. Siehe Kostenbeispiele.
Ja. Die Anzahl der gleichzeitigen Cloud-Trainings hängt von deinem Plan ab: Free erlaubt 3, Pro erlaubt 10, und Enterprise ist unbegrenzt. Für zusätzliches paralleles Training kannst du das Remote-Training von mehreren Maschinen aus nutzen.
Wenn das Training fehlschlägt:
- Das Modell wird als fehlgeschlagen markiert und die Compute-Instanz wird beendet
- Die Modellseite zeigt ein Fehlerbanner mit dem erfassten Fehler, einen Link zur Konsolenausgabe und eine Wiederholen-Aktion, die den Trainingsdialog mit derselben Konfiguration erneut öffnet
- Ein Durchlauf, der für mehrere Stunden keine Aktivität mehr meldet, wird automatisch als fehlgeschlagen markiert und seine Rechenleistung wird freigegeben
- Wenn die Cloud-Rechenleistung gestartet wurde, wird die verstrichene GPU-Zeit berechnet; bei Fehlern vor dem Start der Rechenleistung fallen keine GPU-Nutzungsgebühren an
Szenario Empfohlene GPU Die meisten Trainingsaufgaben RTX PRO 6000 Große Datensätze oder Batch-Größen H100 SXM oder H200 Budgetbewusst RTX 4090