Modelltraining#
Ultralytics Platform bietet umfassende Werkzeuge für das Trainieren von YOLO-Modellen – von der Organisation von Experimenten bis zum Ausführen von Cloud-Trainingsaufträgen mit der Übertragung von Metriken in Echtzeit.
Watch: Get Started with Ultralytics Platform - Train
Übersicht#
Der Bereich „Training“ unterstützt dich bei folgenden Aufgaben:
- Organisieren von Modellen in Projekten für eine einfachere Verwaltung
- Trainieren auf Cloud-GPUs mit nur einem Klick
- Überwachen von Metriken in Echtzeit während des Trainings
- Vergleichen der Modellleistung über mehrere Experimente hinweg
- Exportieren in 20 Formate für die Bereitstellung (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| Stufe | Beschreibung |
|---|---|
| Projekt | Erstelle einen Arbeitsbereich, um zusammengehörige Modelle zu organisieren |
| Konfigurieren | Wähle Datensatz, Basismodell und Trainingsparameter aus |
| Trainieren | Führe das Training auf Cloud-GPUs oder deiner lokalen Hardware aus |
| Überwachen | Zeige Verlustkurven und Metriken in Echtzeit an |
| Exportieren | Konvertiere in 20 Formate für die Bereitstellung (Details) |
Trainingsoptionen#
Die Ultralytics Platform unterstützt mehrere Trainingsansätze:
| Methode | Beschreibung | Am besten geeignet für |
|---|---|---|
| Cloud-Training | Trainiere auf Cloud-GPUs von Ultralytics | Keine lokale GPU erforderlich, skalierbar |
| Lokales Training | Trainiere lokal und übertrage Metriken an die Platform | Vorhandene Hardware, Datenschutz |
| Colab-Training | Nutze Google Colab mit Platform-Integration | Kostenloser GPU-Zugriff |
Wenn du eine günstigere GPU als die RTX PRO 6000 auswählst und von Ultralytics verwaltete Kapazität verfügbar ist, führt die Platform deinen Auftrag auf einer RTX PRO 6000 aus, berechnet dir aber weiterhin den Stundensatz der von dir ausgewählten GPU. Läufe können schneller abgeschlossen werden und weniger kosten, als dies auf der ausgewählten GPU der Fall wäre – das Upgrade verursacht weder zusätzliche Zeit noch zusätzliche Kosten.
GPU-Optionen#
Verfügbare GPUs für Cloud-Training auf der Ultralytics Cloud:
| GPU | Generation | VRAM | Kosten/Stunde | Am besten geeignet für |
|---|---|---|---|---|
| RTX 2000 Ada | Ada | 16 GB | $0.24 | Kleine Datensätze, Tests |
| RTX A4500 | Ampere | 20 GB | $0.25 | Kleine bis mittelgroße Datensätze |
| RTX 4000 Ada | Ada | 20 GB | $0.26 | Mittelgroße Datensätze |
| RTX A5000 | Ampere | 24 GB | $0.27 | Mittelgroße Datensätze |
| L4 | Ada | 24 GB | $0.39 | Für Inferenz 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 4000 | Blackwell | 24 GB | $0.57 | Blackwell für begrenztes Budget |
| RTX PRO 4500 | Blackwell | 32 GB | $0.64 | Hervorragendes 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 Stapeln |
| L40S | Ada | 48 GB | $0.86 | Training mit großen Stapeln |
| RTX PRO 5000 | Blackwell | 48 GB | $0.96 | Training mit großen Stapeln |
| RTX 5090 | Blackwell | 32 GB | $0.99 | Aktuellste Generation für Endverbraucher |
| L40 | Ada | 48 GB | $0.99 | Große Modelle |
| A100 PCIe | Ampere | 80 GB | $1.39 | Training für den Produktiveinsatz |
| A100 SXM | Ampere | 80 GB | $1.49 | Training für den Produktiveinsatz |
| RTX PRO 6000 | Blackwell | 96 GB | $2.09 | Empfohlene Standardeinstellung |
| H100 PCIe | Hopper | 80 GB | $2.89 | Hochleistungs-Training |
| 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+) |
Für B200- und B300-GPUs ist ein Pro- oder Enterprise-Tarif erforderlich. Alle anderen GPUs sind in allen Tarifen einschließlich Free verfügbar.
Neue Konten erhalten Startguthaben für das Training. Weitere Informationen findest du unter Abrechnung.
Metriken in Echtzeit#
Während des Trainings kannst du Live-Metriken in drei Unterreitern anzeigen:
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| Unterregisterkarte | Metriken |
|---|---|
| Diagramme | Aufgabenmetriken (mAP50, mAP50-95, Präzision und Trefferquote für die Objekterkennung), Trainings-/Validierungsverluste, Lernrate |
| Konsole | Live-Trainingsprotokolle mit ANSI-Farben und automatischer Fehlererkennung |
| System | GPU-Auslastung, GPU-Speicher und -Temperatur, CPU, RAM, Netzwerk- und Festplatten-E/A |
Der beste Checkpoint (best.pt, die Epoche mit dem höchsten Fitnesswert) wird regelmäßig in die Platform hochgeladen, während
der Trainingslauf ausgeführt wird, und erneut, wenn der Lauf endet. So verwenden Download, Export und Bereitstellung immer die bisher beste
erzeugte Epoche. Abgebrochene Läufe behalten den letzten Checkpoint, dessen Upload abgeschlossen wurde.
Schnellstart#
Starte in weniger als einer Minute mit dem Cloud-Training:
- Erstelle ein Projekt in der Seitenleiste
- Klicke auf Neues Modell
- Wähle ein Modell, einen Datensatz und eine GPU aus
- Klicke auf Training starten
Schnellzugriffe#
- Projekte: Organisiere deine Modelle und Experimente
- Modelle: Verwalte trainierte Checkpoints
- Cloud-Training: Trainiere auf Cloud-GPUs
- AutoTrain: Nutze Ask AI, um Experimente auszuführen und Modelle zu vergleichen
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 liegt bei etwa 6 Minuten für 1000 Bilder, YOLO26n und 100 Epochen auf einer RTX PRO 6000 sowie bei etwa 2 Minuten für 500 Bilder, YOLO26n und 50 Epochen auf einer RTX 4090. Die tatsächliche Dauer kann abweichen. Verwende die aktuelle Schätzung im Trainingsdialog für den ausgewählten Datensatz und die ausgewählte Konfiguration. Siehe Kostenbeispiele.
Ja. Die Limits für gleichzeitiges Training in der Cloud hängen von deinem Tarif ab: Free erlaubt 3, Pro erlaubt 10 und Enterprise ist unbegrenzt. Für zusätzliches paralleles Training kannst du das Remote-Training auf mehreren Rechnern verwenden.
Wenn das Training fehlschlägt:
- Das Modell wird als fehlgeschlagen markiert und die Recheninstanz wird beendet
- Auf der Modellseite wird ein Fehlerbanner mit dem erfassten Fehler, einem Link zur Konsolenausgabe und der Aktion Erneut versuchen angezeigt. Dadurch wird der Trainingsdialog mit derselben Konfiguration erneut geöffnet
- Ein Lauf, der mehrere Stunden lang keine Aktivität meldet, wird automatisch als fehlgeschlagen markiert und seine Rechenressourcen werden freigegeben
- Wenn die Rechenressourcen in der Cloud gestartet wurden, wird die verstrichene GPU-Zeit berechnet. Für Fehler, die vor dem Start der Rechenressourcen auftreten, fallen keine Gebühren für die GPU-Nutzung an
Szenario Empfohlene GPU Für die meisten Trainingsläufe RTX PRO 6000 Große Datensätze oder Batch-Größen H100 SXM oder H200 Für ein begrenztes Budget RTX 4090