Entrenamiento de modelos
Ultralytics Platform proporciona herramientas completas para entrenar modelos YOLO, desde la organización de experimentos hasta la ejecución de tareas de entrenamiento en la nube con transmisión de métricas en tiempo real.
Watch: Get Started with Ultralytics Platform - Train
Información general
La sección de entrenamiento te ayuda a:
- Organizar modelos en proyectos para una gestión más sencilla
- Entrenar en GPU en la nube con un solo clic
- Supervisar métricas en tiempo real durante el entrenamiento
- Comparar el rendimiento de los modelos entre experimentos
- Exportar a más de 17 formatos de despliegue (consulta los formatos compatibles)
Flujo de trabajo
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| Etapa | Descripción |
|---|---|
| Proyecto | Crea un espacio de trabajo para organizar modelos relacionados |
| Configurar | Selecciona el dataset, el modelo base y los parámetros de entrenamiento |
| Entrenar | Ejecuta en GPU en la nube o en tu hardware local |
| Supervisar | Visualiza curvas de pérdida y métricas en tiempo real |
| Exportar | Convierte a más de 17 formatos de despliegue (detalles) |
Opciones de entrenamiento
Ultralytics Platform admite múltiples enfoques de entrenamiento:
| Método | Descripción | Ideal para |
|---|---|---|
| Entrenamiento en la nube | Entrena en las GPU en la nube de Ultralytics | Sin necesidad de GPU local, escalabilidad |
| Entrenamiento local | Entrena localmente, transmite métricas a la plataforma | Hardware existente, privacidad |
| Entrenamiento en Colab | Usa Google Colab con integración en la plataforma | Acceso gratuito a GPU |
Opciones de GPU
GPU disponibles para entrenamiento en la nube en Ultralytics Cloud:
| GPU | Generación | VRAM | Coste/hora | Ideal para |
|---|---|---|---|---|
| RTX 2000 Ada | Ada | 16 GB | 0,24 $ | Datasets pequeños, pruebas |
| RTX A4500 | Ampere | 20 GB | 0,25 $ | Datasets pequeños-medianos |
| RTX 4000 Ada | Ada | 20 GB | 0,26 $ | Datasets medianos |
| RTX A5000 | Ampere | 24 GB | 0,27 $ | Datasets medianos |
| L4 | Ada | 24 GB | 0,39 $ | Optimizado para inferencia |
| A40 | Ampere | 48 GB | 0,44 $ | Tamaños de lote más grandes |
| RTX 3090 | Ampere | 24 GB | 0,46 $ | Entrenamiento general |
| RTX A6000 | Ampere | 48 GB | 0,49 $ | Modelos grandes |
| RTX PRO 4500 | Blackwell | 32 GB | 0,64 $ | Gran relación calidad-precio |
| RTX 4090 | Ada | 24 GB | 0,69 $ | Mejor relación calidad-precio |
| RTX 6000 Ada | Ada | 48 GB | 0,77 $ | Entrenamiento con lotes grandes |
| L40S | Ada | 48 GB | 0,86 $ | Entrenamiento con lotes grandes |
| RTX 5090 | Blackwell | 32 GB | 0,99 $ | Última generación de consumo |
| L40 | Ada | 48 GB | 0,99 $ | Modelos grandes |
| A100 PCIe | Ampere | 80 GB | 1,39 $ | Entrenamiento de producción |
| A100 SXM | Ampere | 80 GB | 1,49 $ | Entrenamiento de producción |
| RTX PRO 6000 | Blackwell | 96 GB | 1,89 $ | Predeterminado recomendado |
| H100 PCIe | Hopper | 80 GB | 2,39 $ | Entrenamiento de alto rendimiento |
| H100 SXM | Hopper | 80 GB | 2,99 $ | Entrenamiento más rápido |
| H100 NVL | Hopper | 94 GB | 3,07 $ | Rendimiento máximo |
| H200 NVL | Hopper | 143 GB | 3,39 $ | Memoria máxima |
| H200 SXM | Hopper | 141 GB | 3,99 $ | Rendimiento máximo |
| B200 | Blackwell | 180 GB | 5,49 $ | Modelos grandes (Pro+) |
| B300 | Blackwell | 288 GB | 7,39 $ | Modelos más grandes (Pro+) |
Las GPU B200 y B300 requieren un plan Pro o Enterprise. Todas las demás GPU están disponibles en todos los planes, incluido el gratuito.
Las cuentas nuevas reciben créditos de registro para entrenamiento. Consulta Facturación para más detalles.
Métricas en tiempo real
Durante el entrenamiento, visualiza métricas en directo a través de tres subpestañas:
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| Subpestaña | Métricas |
|---|---|
| Charts | Pérdida de cuadro/clase/DFL, mAP50, mAP50-95, precisión, recall |
| Console | Registros de entrenamiento en directo con color ANSI y detección de errores |
| System | Utilización de GPU, memoria, temperatura, CPU, disco |
Para el entrenamiento en la nube, el mejor modelo (best.pt, el checkpoint con el mAP más alto) se guarda automáticamente y queda disponible para descarga, exportación y despliegue una vez finalizado el entrenamiento.
Inicio rápido
Empieza con el entrenamiento en la nube en menos de un minuto:
- Crea un proyecto en la barra lateral
- Haz clic en Nuevo modelo
- Selecciona un modelo, un dataset y una GPU
- Haz clic en Iniciar entrenamiento
Enlaces rápidos
- Proyectos: Organiza tus modelos y experimentos
- Modelos: Gestiona checkpoints entrenados
- Entrenamiento en la nube: Entrena en GPU en la nube
Preguntas frecuentes
¿Cuánto tiempo lleva el entrenamiento?
El tiempo de entrenamiento depende de:
- Tamaño del conjunto de datos (número de imágenes)
- Tamaño del modelo (n, s, m, l, x)
- Número de épocas
- Tipo de GPU seleccionado
Un entrenamiento típico con 1000 imágenes, YOLO26n, 100 épocas en una RTX PRO 6000 lleva entre 2 y 3 horas. Las ejecuciones más pequeñas (500 imágenes, 50 épocas en una RTX 4090) se completan en menos de una hora. Consulta los ejemplos de costes para ver estimaciones detalladas.
¿Puedo entrenar varios modelos simultáneamente?
Sí. Los límites de entrenamiento concurrente en la nube dependen de tu plan: Free permite 3, Pro permite 10 y Enterprise es ilimitado. Para un entrenamiento paralelo adicional, utiliza el entrenamiento remoto desde varias máquinas.
¿Qué ocurre si el entrenamiento falla?
Si el entrenamiento falla:
- Los puntos de control (checkpoints) se guardan en cada época
- Puedes reanudar desde el último punto de control
- Los créditos solo se descuentan por el tiempo de computación completado
¿Cómo elijo la GPU adecuada?
| Escenario | GPU recomendada |
|---|---|
| La mayoría de los trabajos de entrenamiento | RTX PRO 6000 |
| Conjuntos de datos grandes o tamaños de lote elevados | H100 SXM o H200 |
| Ajustado al presupuesto | RTX 4090 |