Modelltraining
Die Ultralytics Platform bietet umfassende Tools für das Training von YOLO-Modellen, von der Organisation von Experimenten bis hin zum Ausführen von Cloud-Trainingsjobs mit Echtzeit-Metrik-Streaming.
Watch: Get Started with Ultralytics Platform - Train
Übersicht
Der Abschnitt „Training“ unterstützt dich dabei:
- Organisiere Modelle in Projekten für eine einfachere Verwaltung
- Trainiere mit einem Klick auf Cloud-GPUs
- Überwache Echtzeit-Metriken während des Trainings
- Vergleiche die Modellleistung über Experimente hinweg
- Exportiere in 17+ Bereitstellungsformate (siehe unterstützte Formate)
Workflow
graph LR
A[📁 Project] --> B[⚙️ Configure]
B --> C[🚀 Train]
C --> D[📈 Monitor]
D --> E[📦 Export]
style A fill:#4CAF50,color:#fff
style B fill:#2196F3,color:#fff
style C fill:#FF9800,color:#fff
style D fill:#9C27B0,color:#fff
style E fill:#00BCD4,color:#fff| Phase | Beschreibung |
|---|---|
| Projekt | Erstelle einen Arbeitsbereich, um zugehörige Modelle zu organisieren |
| Konfigurieren | Wähle Datensatz, 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 | Konvertiere in 17+ Bereitstellungsformate (Details) |
Trainingsoptionen
Die Ultralytics Platform unterstützt mehrere Trainingsansätze:
| Methode | Beschreibung | Am besten für |
|---|---|---|
| Cloud-Training | Trainiere auf Ultralytics Cloud-GPUs | Keine lokale GPU erforderlich, Skalierbarkeit |
| Lokales Training | Trainiere lokal, streame Metriken an die Plattform | Vorhandene Hardware, Datenschutz |
| Colab-Training | Nutze Google Colab mit Plattform-Integration | Kostenloser GPU-Zugang |
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 | Inference-optimiert |
| 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 4500 | Blackwell | 32 GB | $0.64 | Tolles Preis-/Leistungsverhältnis |
| RTX 4090 | Ada | 24 GB | $0.69 | Bestes Preis-/Leistungsverhältnis |
| RTX 6000 Ada | Ada | 48 GB | $0,77 | Training mit großen Batches |
| L40S | Ada | 48 GB | $0,86 | 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 | $1,89 | Empfohlener Standard |
| H100 PCIe | Hopper | 80 GB | $2,39 | Hochleistungstraining |
| H100 SXM | Hopper | 80 GB | $2,99 | Schnellstes Training |
| H100 NVL | Hopper | 94 GB | $3,07 | Maximale Leistung |
| H200 NVL | Hopper | 143 GB | $3,39 | Maximaler Speicher |
| H200 SXM | Hopper | 141 GB | $3,99 | Maximale Leistung |
| B200 | Blackwell | 180 GB | $5,49 | Große Modelle (Pro+) |
| B300 | Blackwell | 288 GB | $7,39 | Größte Modelle (Pro+) |
B200- und B300-GPUs erfordern einen Pro- oder Enterprise-Plan. Alle anderen GPUs sind in allen Plänen, einschließlich „Free“, verfügbar.
Neue Konten erhalten ein Anmeldeguthaben für das Training. Details findest du unter Abrechnung.
Echtzeit-Metriken
Während des Trainings kannst du Live-Metriken über drei Unterregisterkarten einsehen:
graph LR
A[Charts] --> B[Loss Curves]
A --> C[Performance Metrics]
D[Console] --> E[Live Logs]
D --> F[Error Detection]
G[System] --> H[GPU Utilization]
G --> I[Memory & Temp]
style A fill:#2196F3,color:#fff
style D fill:#FF9800,color:#fff
style G fill:#9C27B0,color:#fff| Untertab | Metriken |
|---|---|
| Charts | Box/class/DFL-Verlust, mAP50, mAP50-95, Präzision, Recall |
| Console | Live-Trainingsprotokolle mit ANSI-Farben und Fehlererkennung |
| System | GPU-Auslastung, Speicher, Temperatur, CPU, Festplatte |
Beim Cloud-Training wird das beste Modell (best.pt, der Checkpoint mit der höchsten mAP) automatisch gespeichert und nach Abschluss des Trainings zum Herunterladen, Exportieren und Bereitstellen zur Verfügung gestellt.
Schnellstart
Starte mit dem 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
Quick Links
- Projekte: Organisiere deine Modelle und Experimente
- Modelle: Verwalte trainierte Checkpoints
- Cloud Training: Training auf Cloud-GPUs
FAQ
Wie lange dauert das Training?
Die Trainingsdauer hängt ab von:
- Datensatzgröße (Anzahl der Bilder)
- Modellgröße (n, s, m, l, x)
- Anzahl der Epochen
- Gewählter GPU-Typ
Ein typischer Trainingslauf mit 1000 Bildern, YOLO26n und 100 Epochen auf einer RTX PRO 6000 dauert etwa 2-3 Stunden. Kleinere Läufe (500 Bilder, 50 Epochen auf einer RTX 4090) sind in unter einer Stunde abgeschlossen. Siehe Kostenbeispiele für detaillierte Schätzungen.
Kann ich mehrere Modelle gleichzeitig trainieren?
Ja. Die Limits für gleichzeitiges Cloud-Training hängen von deinem Plan ab: Free erlaubt 3, Pro erlaubt 10 und Enterprise ist unbegrenzt. Für zusätzliches paralleles Training kannst du Remote-Training von mehreren Maschinen aus nutzen.
Was passiert, wenn das Training fehlschlägt?
Wenn das Training fehlschlägt:
- Checkpoints werden in jeder Epoche gespeichert
- Du kannst ab dem letzten Checkpoint fortfahren
- Credits werden nur für die tatsächlich abgeschlossene Rechenzeit berechnet
Wie wähle ich die richtige GPU?
| Szenario | Empfohlene GPU |
|---|---|
| Die meisten Trainingsaufgaben | RTX PRO 6000 |
| Große Datensätze oder Batch-Größen | H100 SXM oder H200 |
| Budgetbewusst | RTX 4090 |