Entrenamiento de modelos

La Plataforma Ultralytics proporciona herramientas completas para entrenar modelos YOLO, desde la organización de experimentos hasta la ejecución de trabajos de entrenamiento en la nube con transmisión de métricas en tiempo real.

Visión general

La sección de Entrenamiento le ayuda a:

• Organiza los modelos en proyectos para facilitar su gestión.
• Entrenar en GPUs en la nube con un solo clic
• Monitorizar métricas en tiempo real durante el entrenamiento
• Comparar el rendimiento del modelo entre experimentos
• Exporta a más de 17 formatos de implementación (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

Opciones de entrenamiento

La Plataforma Ultralytics admite múltiples enfoques de entrenamiento:

Opciones de GPU

GPU disponibles para formación en la nube en Ultralytics :

Métricas en tiempo real

Durante el entrenamiento, ve métricas en tiempo real en 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

Inicio rápido

Empiece con la formación sobre la nube en menos de un minuto:

export ULTRALYTICS_API_KEY="your_api_key"
yolo train model=yolo26n.pt data=ul://username/datasets/my-dataset \
  epochs=100 project=username/my-project name=exp1

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
model.train(
    data="ul://username/datasets/my-dataset",
    epochs=100,
    project="username/my-project",
    name="exp1",
)

Enlaces rápidos

• Proyectos: Organice sus modelos y experimentos
• Modelos: Gestione los puntos de control entrenados
• Entrenamiento en la Nube: Entrene en GPUs en la nube

Preguntas frecuentes

¿Cuánto tiempo tarda 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 seleccionada

Una ejecución de entrenamiento típica con 1000 imágenes, YOLO26n y 100 épocas en RTX PRO 6000 tarda entre 2 y 3 horas. Las ejecuciones más pequeñas (500 imágenes y 50 épocas en RTX 4090) se completan en menos de una hora. Consulte los ejemplos de costes para obtener estimaciones detalladas.

¿Puedo entrenar varios modelos simultáneamente?

Sí. Los límites de formación simultánea en la nube dependen de tu plan: el plan gratuito permite 3, el plan Pro permite 10 y el plan Enterprise es ilimitado. Para formación paralela adicional, utiliza la formación remota desde varios equipos.

¿Qué sucede si el entrenamiento falla?

Si el entrenamiento falla:

1. Los puntos de control se guardan en cada época
2. Puede reanudar desde el último punto de control
3. Los créditos solo se cobran por el tiempo de cómputo completado

¿Cómo elijo la GPU adecuada?

📅 Creado hace 1 mes ✏️ Actualizado hace 6 días

Comentarios