YOLO Vision 2026:

Modelltraining#

Die Ultralytics Platform bietet umfassende Tools für das Training von YOLO-Modellen, von der Organisation von Experimenten bis hin zur Durchführung von Cloud-Trainingsaufträgen mit Echtzeit-Metrik-Streaming.



Watch: Get Started with Ultralytics Platform - Train

Übersicht#

Der Trainingsbereich hilft dir dabei:

  • Modelle in Projekten zur einfacheren Verwaltung zu organisieren
  • Auf Cloud-GPUs mit einem Klick zu trainieren
  • Echtzeit-Metriken während des Trainings zu überwachen
  • Modellleistung über Experimente hinweg zu vergleichen
  • Export in 20 Bereitstellungsformate (siehe unterstützte Formate)

Ultralytics Platform Train Overview

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
PhaseBeschreibung
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
ÜberwachenSieh dir Echtzeit-Verlustkurven und Metriken an
ExportierenKonvertierung in 20 Bereitstellungsformate (Details)

Trainingsoptionen#

Die Ultralytics Platform unterstützt mehrere Trainingsansätze:

MethodeBeschreibungAm besten für
Cloud-TrainingTrainiere auf Ultralytics Cloud GPUsKeine lokale GPU, Skalierbarkeit
Lokales TrainingTrainiere lokal, streame Metriken an die PlattformVorhandene Hardware, Datenschutz
Colab-TrainingNutze Google Colab mit Plattform-IntegrationKostenloser GPU-Zugang

GPU-Optionen#

Verfügbare GPUs für das Cloud-Training auf der Ultralytics Cloud:

GPUGenerationVRAMKosten/StundeAm besten für
RTX 2000 AdaAda16 GB$0.24Kleine Datensätze, Tests
RTX A4500Ampere20 GB$0.25Kleine bis mittlere Datensätze
RTX 4000 AdaAda20 GB$0.26Mittlere Datensätze
RTX A5000Ampere24 GB$0.27Mittlere Datensätze
L4Ada24 GB$0.39Optimiert für Inferenz
A40Ampere48 GB$0.44Größere Batch-Größen
RTX 3090Ampere24 GB$0.46Allgemeines Training
RTX A6000Ampere48 GB$0.49Große Modelle
RTX PRO 4000Blackwell24 GB$0,57Budget Blackwell
RTX PRO 4500Blackwell32 GB$0.64Großartiges Preis-Leistungs-Verhältnis
RTX 4090Ada24 GB$0.69Bestes Preis-Leistungs-Verhältnis
RTX 6000 AdaAda48 GB$0.77Training mit großen Batches
L40SAda48 GB$0.86Training mit großen Batches
RTX PRO 5000Blackwell48 GB$0,96Training mit großen Batches
RTX 5090Blackwell32 GB$0.99Neueste Consumer-Generation
L40Ada48 GB$0.99Große Modelle
A100 PCIeAmpere80 GB$1.39Produktionstraining
A100 SXMAmpere80 GB$1.49Produktionstraining
RTX PRO 6000Blackwell96 GB2,09 $Empfohlener Standard
H100 PCIeHopper80 GB2,89 $Hochleistungstraining
H100 NVLHopper94 GB3,19 $Maximale Leistung
H100 SXMHopper80 GB3,29 $Schnellstes Training
H200 NVLHopper143 GB3,39 $Maximaler Speicher
H200 SXMHopper141 GB4,39 $Maximale Leistung
B200Blackwell180 GB5,89 $Große Modelle (Pro+)
B300Blackwell288 GB7,39 $Größte Modelle (Pro+)
GPU-Zugriff nach Stufen

B200- und B300-GPUs erfordern einen Pro- oder Enterprise-Plan. Alle anderen GPUs sind in allen Plänen einschließlich Free verfügbar.

Guthaben bei Anmeldung

Neue Konten erhalten ein Startguthaben für das Training. Details findest du unter Abrechnung.

Echtzeit-Metriken#

Während des Trainings kannst du Live-Metriken in drei Unterreitern einsehen:

graph LR
    A[Charts]:::start --> B[Loss Curves]:::out
    A --> C[Performance Metrics]:::out
    D[Console]:::start --> E[Live Logs]:::out
    D --> F[Error Detection]:::out
    G[System]:::start --> H[GPU Utilization]:::out
    G --> I[Memory & Temp]:::out

    classDef start fill:#4CAF50,color:#fff
    classDef out fill:#9C27B0,color:#fff
Unter-ReiterMetriken
DiagrammeBox/Klasse/DFL-Loss, mAP50, mAP50-95, Präzision, Recall
KonsoleLive-Trainingsprotokolle mit ANSI-Farben und Fehlererkennung
SystemGPU-Auslastung, Speicher, Temperatur, CPU, Festplatte
Automatische Checkpoints

Beim Cloud-Training wird das beste Modell (best.pt, der Checkpoint mit dem höchsten mAP) automatisch gespeichert und nach Abschluss des Trainings zum Download, Export und Deployment bereitgestellt.

Kurzanleitung#

Starte dein Cloud-Training in unter einer Minute:

  1. Erstelle ein Projekt in der Seitenleiste
  2. Klicke auf Neues Modell
  3. Wähle ein Modell, einen Datensatz und eine GPU aus
  4. Klicke auf Training starten

Schnellzugriff#

FAQ#

Wie lange dauert das Training?#

Die Trainingsdauer hängt ab von:

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

Der aktuelle Schätzer 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; nutze die Live-Schätzung im Trainingsdialog für den ausgewählten Datensatz und die Konfiguration. Siehe Kostenbeispiele.

Kann ich mehrere Modelle gleichzeitig trainieren?#

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.

Was passiert, wenn das Training fehlschlägt?#

Wenn das Training fehlschlägt:

  1. Das Modell wird als fehlgeschlagen markiert und die Compute-Instanz wird beendet
  2. Du kannst einen neuen Trainingsdurchlauf ausgehend vom Basismodell starten
  3. Wenn die Cloud-Rechenleistung gestartet wurde, wird die verstrichene GPU-Zeit berechnet; bei Fehlern vor dem Start der Rechenleistung fallen keine GPU-Nutzungsgebühren an

Wie wähle ich die richtige GPU?#

SzenarioEmpfohlene GPU
Die meisten TrainingsaufgabenRTX PRO 6000
Große Datensätze oder Batch-GrößenH100 SXM oder H200
BudgetbewusstRTX 4090

Kommentare