Cloud-Training

Ultralytics Cloud Training bietet Ein-Klick-Schulungen zu Cloud-GPUs, sodass das Modelltraining ohne komplexe Einrichtung zugänglich ist. Trainieren Sie YOLO mit Echtzeit-Metrik-Streaming und automatischer Speicherung von Checkpoints.

Ansehen: Cloud-Schulung mit Ultralytics

Zug von UI

Starten Sie die Cloud-Schulung direkt von der Plattform aus:

1. Navigieren Sie zu Ihrem Projekt
2. Klick -Zugmodell
3. Trainingsparameter konfigurieren
4. Klicken Sie auf „Training starten“

Schritt 1: Datensatz auswählen

Wählen Sie einen Datensatz aus Ihren Uploads aus:

Schritt 2: Modell konfigurieren

Wählen Sie das Basismodell und die Parameter aus:

Schritt 3: GPU auswählen

Wählen Sie Ihre Rechenressourcen aus:

Schritt 4: Mit dem Training beginnen

Klicken Sie auf „Training starten“, um Ihren Auftrag zu starten. Die Plattform:

1. Bereitstellung einer GPU
2. Laden Sie Ihren Datensatz herunter
3. Beginnt mit dem Training
4. Streaming-Metriken in Echtzeit

Monitor-Schulung

Trainingsfortschritt in Echtzeit anzeigen:

Live-Metriken

Kontrollpunkte

Checkpoints werden automatisch gespeichert:

• Jede Epoche: Zuletzt gespeicherte Gewichte
• Bestes Modell: Höchster mAP beibehalten
• Endgültiges Modell: Gewichte nach Abschluss des Trainings

Anhalten und Fortsetzen

Training beenden

Klicken Sie auf „Training beenden“, um Ihren Auftrag zu unterbrechen:

• Aktueller Kontrollpunkt wird gespeichert
• GPU wird freigegeben
• Die Credits werden nicht mehr berechnet.

Ausbildung wieder aufnehmen

Weiter vom letzten Kontrollpunkt:

1. Navigieren Sie zum Modell
2. Klicken Sie auf „Training fortsetzen“.
3. Fortsetzung bestätigen

Fernschulung

Trainieren Sie auf Ihrer eigenen Hardware, während Sie Metriken an die Plattform streamen.

pip install "ultralytics>=8.4.0"

API-Schlüssel einrichten

1. Gehen Sie zu Einstellungen > API-Schlüssel
2. Erstellen Sie einen neuen Schlüssel mit Trainingsumfang.
3. Setzen Sie die Umgebungsvariable:

export ULTRALYTICS_API_KEY="your_api_key"

Trainieren mit Streaming

Verwenden Sie den project und name Parameter zum Streamen von Metriken:

yolo train model=yolo11n.pt data=coco.yaml epochs=100 \
  project=username/my-project name=experiment-1

from ultralytics import YOLO

model = YOLO("yolo11n.pt")
model.train(
    data="coco.yaml",
    epochs=100,
    project="username/my-project",
    name="experiment-1",
)

Verwendung von Plattform-Datensätzen

Trainieren Sie mit Datensätzen, die auf der Plattform gespeichert sind:

yolo train model=yolo11n.pt data=ul://username/datasets/my-dataset epochs=100

Die ul:// Das URI-Format lädt Ihren Datensatz automatisch herunter und konfiguriert ihn.

Abrechnung

Die Schulungskosten richten sich nach GPU :

Kostenberechnung

Total Cost = GPU Rate × Training Time (hours)

Zahlungsmethoden

Schulungskosten anzeigen

Nach dem Training können Sie die detaillierten Kosten auf der Registerkarte „Abrechnung“ einsehen:

• Kostenaufschlüsselung pro Epoche
• GPU
• Kostenbericht herunterladen

Trainingstipps

Wählen Sie die richtige Modellgröße

Trainingszeit optimieren

1. Fangen Sie klein an: Testen Sie zunächst mit weniger Epochen.
2. Geeignete GPU verwenden: GPU Modell-/Batchgröße anpassen
3. Datensatz validieren: Qualität vor dem Training sicherstellen
4. Frühzeitig überwachen: Bei stagnierenden Kennzahlen stoppen

Fehlerbehebung

FAQ

Wie lange dauert die Ausbildung?

Die Trainingszeit hängt ab von:

• Datensatzgröße
• Modellgröße
• Anzahl der Epochen
• GPU

Typische Zeiten (1000 Bilder, 100 Epochen):

Kann ich über Nacht trainieren?

Ja, das Training wird bis zum Abschluss fortgesetzt. Sie erhalten eine Benachrichtigung, wenn das Training beendet ist. Stellen Sie sicher, dass Ihr Konto über ein ausreichendes Guthaben für das epochbasierte Training verfügt.

Was passiert, wenn ich keine Credits mehr habe?

Das Training wird am Ende der aktuellen Epoche unterbrochen. Ihr Checkpoint wird gespeichert, und Sie können nach dem Hinzufügen von Credits fortfahren.

Kann ich benutzerdefinierte Trainingsargumente verwenden?

Ja, fortgeschrittene Benutzer können zusätzliche Argumente in der Trainingskonfiguration angeben.

Referenz zu den Trainingsparametern

Kernparameter

Lernratenparameter

Augmentationsparameter

Auswahl des Optimierers

📅 Erstellt vor 0 Tagen ✏️ Aktualisiert vor 0 Tagen

Kommentare