Modelltraining
Die Ultralytics Platform bietet umfassende Tools für das Training von YOLO-Modellen, von der Organisation von Experimenten bis zur Ausführung von Cloud-Trainingsjobs mit Echtzeit-Metrik-Streaming.
Überblick
Der Abschnitt Training hilft Ihnen dabei:
- Organisieren Sie Modelle in Projekten für eine einfachere Verwaltung.
- Trainieren Sie auf Cloud-GPUs mit einem einzigen Klick.
- Überwachen Sie Echtzeit-Metriken während des Trainings.
- Vergleichen Sie die Modellleistung über Experimente hinweg.
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 | Erstellen Sie einen Arbeitsbereich, um verwandte Modelle zu organisieren. |
| Konfigurieren | Wählen Sie Datensatz, Basismodell und Trainingsparameter aus. |
| Trainieren | Ausführen auf Cloud-GPUs oder Ihrer lokalen Hardware. |
| Überwachen | Echtzeit-Verlustkurven und Metriken anzeigen. |
| Export | Konvertieren in 17 Bereitstellungsformate. |
Trainingsoptionen
Ultralytics Platform unterstützt mehrere Trainingsansätze:
| Methode | Beschreibung | Am besten geeignet für |
|---|---|---|
| Cloud-Training | Trainieren auf Platform Cloud-GPUs | Keine lokale GPU, Skalierbarkeit |
| Remote-Training | Lokal trainieren, Metriken an die Platform streamen | Vorhandene Hardware, Datenschutz |
| Colab-Training | Verwenden Sie Google Colab mit Platform-Integration. | Kostenloser GPU-Zugang |
GPU-Optionen
Verfügbare GPUs für Cloud-Training:
| Stufe | GPU | VRAM | Kosten/Stunde | Am besten geeignet für |
|---|---|---|---|---|
| Budget | RTX A2000 | 6 GB | $0.12 | Kleine Datensätze, Testen |
| Budget | RTX 3080 | 10 GB | $0.25 | Mittlere Datensätze |
| Budget | RTX 3080 Ti | 12 GB | $0.30 | Mittlere Datensätze |
| Budget | A30 | 24 GB | $0.44 | Größere Losgrößen |
| Mitte | L4 | 24 GB | $0.54 | Optimierte Schlussfolgerung |
| Mitte | RTX 4090 | 24 GB | $0.60 | Hervorragendes Preis-Leistungs-Verhältnis |
| Mitte | A6000 | 48 GB | $0.90 | Große Modelle |
| Mitte | L40S | 48 GB | $1.72 | Großes Batch-Training |
| Pro | A100 40GB | 40 GB | $2.78 | Produktionsschulung |
| Pro | A100 80GB | 80 GB | $3.44 | Sehr große Modelle |
| Pro | RTX PRO 6000 | 48 GB | $3.68 | Ultralytics |
| Pro | H100 | 80 GB | $5.38 | Schnellstes Training |
| Enterprise | H200 | 141 GB | $5.38 | Maximale Leistung |
| Enterprise | B200 | 192 GB | $10.38 | Größte Modelle |
Anmelde-Credits
Neue Konten erhalten Anmelde-Gutschriften für Schulungen. Weitere Informationen finden Sie unter „Abrechnung “.
Echtzeit-Metriken
Während des Trainings können Sie Live-Metriken einsehen:
- Verlustkurven: Box-, Klassen- und DFL-Verlust
- Leistung: mAP50, mAP50-95, Präzision, Recall
- Systemstatistiken: GPU-Auslastung, Speichernutzung
- Checkpoints: Automatisches Speichern der besten Gewichte
Schnellzugriffe
- Projekte: Organisieren Sie Ihre Modelle und Experimente
- Modelle: Verwalten Sie trainierte Checkpoints
- Cloud-Training: Trainieren Sie auf Cloud-GPUs
FAQ
Wie lange dauert das Training?
Die Trainingszeit hängt ab von:
- Datensatzgröße (Anzahl der Bilder)
- Modellgröße (n, s, m, l, x)
- Anzahl der Epochen
- Ausgewählter GPU-Typ
Ein typischer Trainingslauf mit 1000 Bildern, YOLO26n und 100 Epochen auf RTX 4090 dauert etwa 30 bis 60 Minuten.
Kann ich mehrere Modelle gleichzeitig trainieren?
Cloud-Training unterstützt derzeit einen gleichzeitigen Trainingsjob pro Konto. Für paralleles Training nutzen Sie Remote-Training von mehreren Maschinen.
Was passiert, wenn das Training fehlschlägt?
Wenn das Training fehlschlägt:
- Checkpoints werden bei jeder Epoche gespeichert
- Sie können vom letzten Checkpoint aus fortfahren
- Guthaben werden nur für die abgeschlossene Rechenzeit berechnet
Wie wähle ich die richtige GPU aus?
| Szenario | Empfohlene GPU |
|---|---|
| Small datasets (<5000 images) | RTX 4090 |
| Mittlere Datensätze (5000-50000 Bilder) | A100 40GB |
| Große Datensätze oder Batch-Größen | A100 80GB oder H100 |
| Budgetbewusst | RTX 3090 |
