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:
- Organizar modelos en proyectos para una gestión más sencilla
- 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
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 | Crear un espacio de trabajo para organizar modelos relacionados |
| Configurar | Seleccione el conjunto de datos, el modelo base y los parámetros de entrenamiento |
| Entrenar | Ejecute en GPUs en la nube o en su hardware local |
| Monitorizar | Visualice curvas de pérdida y métricas en tiempo real |
| Exportar | Convierta a 17 formatos de despliegue |
Opciones de entrenamiento
La Plataforma Ultralytics admite múltiples enfoques de entrenamiento:
| Método | Descripción | Ideal para |
|---|---|---|
| Entrenamiento en la Nube | Entrene en GPUs en la nube de la Plataforma | Sin GPU local, escalabilidad |
| Entrenamiento Remoto | Entrene localmente, transmita métricas a la Plataforma | Hardware existente, privacidad |
| Entrenamiento con Colab | Utilice Google Colab con integración de la Plataforma | Acceso gratuito a GPU |
Opciones de GPU
GPUs disponibles para entrenamiento en la nube:
| Nivel | GPU | VRAM | Costo por hora | Ideal para |
|---|---|---|---|---|
| Presupuesto | RTX A2000 | 6 GB | $0.12 | Conjuntos de datos pequeños, pruebas |
| Presupuesto | RTX 3080 | 10 GB | $0.25 | Conjuntos de datos medianos |
| Presupuesto | RTX 3080 Ti | 12 GB | $0.30 | Conjuntos de datos medianos |
| Presupuesto | A30 | 24 GB | $0.44 | Tamaños de lotes más grandes |
| Medio | L4 | 24 GB | $0.54 | Inferencia optimizada |
| Medio | RTX 4090 | 24 GB | $0.60 | Excelente relación calidad-precio |
| Medio | A6000 | 48 GB | $0.90 | Modelos grandes |
| Medio | L40S | 48 GB | $1.72 | Entrenamiento por lotes grandes |
| Pro | A100 40GB | 40 GB | $2.78 | Formación en producción |
| Pro | A100 80GB | 80 GB | $3.44 | Modelos muy grandes |
| Pro | RTX PRO 6000 | 48 GB | $3.68 | Ultralytics |
| Pro | H100 | 80 GB | $5.38 | Entrenamiento más rápido |
| Empresarial | H200 | 141 GB | $5.38 | Máximo rendimiento |
| Empresarial | B200 | 192 GB | $10.38 | Modelos más grandes |
Créditos de registro
Las cuentas nuevas reciben créditos de registro para formación. Consulte Facturación para obtener más información.
Métricas en tiempo real
Durante el entrenamiento, visualice métricas en vivo:
- Curvas de Pérdida: Pérdida de caja, clase y DFL
- Rendimiento: mAP50, mAP50-95, precisión, recall
- Estadísticas del Sistema: Utilización de GPU, uso de memoria
- Puntos de Control: Guardado automático de los mejores pesos
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 sesión de entrenamiento típica con 1000 imágenes, YOLO26n y 100 épocas en RTX 4090 tarda entre 30 y 60 minutos.
¿Puedo entrenar varios modelos simultáneamente?
El entrenamiento en la nube actualmente admite un trabajo de entrenamiento concurrente por cuenta. Para el entrenamiento en paralelo, utilice el entrenamiento remoto desde varias máquinas.
¿Qué sucede si el entrenamiento falla?
Si el entrenamiento falla:
- Los puntos de control se guardan en cada época
- Puede reanudar desde el último punto de control
- Los créditos solo se cobran por el tiempo de cómputo completado
¿Cómo elijo la GPU adecuada?
| Escenario | GPU recomendada |
|---|---|
| Small datasets (<5000 images) | RTX 4090 |
| Conjuntos de datos medianos (5000-50000 imágenes) | A100 40GB |
| Conjuntos de datos grandes o tamaños de lote | A100 de 80 GB o H100 |
| Consciente del presupuesto | RTX 3090 |
