Entrenamiento en la Nube

La Plataforma Ultralytics Cloud Training ofrece entrenamiento con un solo clic en GPU en la nube, haciendo que el entrenamiento de modelos sea accesible sin configuraciones complejas. Entrene modelos YOLO con transmisión de métricas en tiempo real y guardado automático de puntos de control.

Entrenar desde la interfaz de usuario

Inicie el entrenamiento en la nube directamente desde la Plataforma:

1. Navegue a su proyecto
2. Haga clic en Entrenar Modelo
3. Configura los parámetros de entrenamiento
4. Haga clic en Iniciar Entrenamiento

Paso 1: Seleccionar conjunto de datos

Elija un conjunto de datos de sus cargas:

Paso 2: Configurar modelo

Seleccione el modelo base y los parámetros:

Paso 3: Seleccionar GPU

Elija sus recursos de cómputo:

Paso 4: Iniciar entrenamiento

Haga clic en Iniciar entrenamiento para lanzar su trabajo. La plataforma:

1. Proporciona una instancia de GPU
2. Descarga su conjunto de datos
3. Inicia el entrenamiento
4. Transmite métricas en tiempo real

Supervisar el Entrenamiento

Ver el progreso del entrenamiento en tiempo real:

Métricas en vivo

Puntos de control

Los puntos de control se guardan automáticamente:

• Cada época: Pesos más recientes guardados
• Mejor modelo: Punto de control con el mAP más alto conservado
• Modelo final: Pesos al finalizar el entrenamiento

Detener y reanudar

Detener entrenamiento

Haz clic en Detener Entrenamiento para pausar tu trabajo:

• El punto de control actual se guarda
• La instancia de GPU se libera
• Se detiene el cobro de créditos

Reanudar entrenamiento

Continuar desde tu último punto de control:

1. Navega al modelo
2. Haz clic en Reanudar Entrenamiento
3. Confirmar continuación

Entrenamiento Remoto

Entrene en su propio hardware mientras transmite métricas a la Plataforma.

pip install "ultralytics>=8.4.0"

Configurar clave API

1. Vaya a Configuración > Claves API
2. Cree una nueva clave con ámbito de entrenamiento
3. Establezca la variable de entorno:

export ULTRALYTICS_API_KEY="your_api_key"

Entrenar con Streaming

Utilice el project y name parámetros para transmitir métricas:

yolo train model=yolo26n.pt data=coco.yaml epochs=100 \
  project=username/my-project name=experiment-1

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
model.train(
    data="coco.yaml",
    epochs=100,
    project="username/my-project",
    name="experiment-1",
)

Uso de Conjuntos de Datos de la Plataforma

Entrene con conjuntos de datos almacenados en la Plataforma:

yolo train model=yolo26n.pt data=ul://username/datasets/my-dataset epochs=100

El ul:// El formato URI descarga y configura automáticamente su conjunto de datos.

Facturación

Los costos de entrenamiento se basan en el uso de la GPU:

Estimación de costes

Antes de comenzar la formación, la Plataforma calcula el coste total basándose en:

Estimated Cost = Base Time × Model Multiplier × Dataset Multiplier × GPU Speed Factor × GPU Rate

Factores que afectan al coste:

Ejemplos de costes

Sistema de retención/liquidación

La Plataforma utiliza un modelo de facturación de protección al consumidor:

1. Estimación: Coste calculado antes del inicio de la formación.
2. Retener: Importe estimado + 20 % de margen de seguridad reservado del saldo.
3. Tren: Cantidad reservada que aparece como «Reservada» en su saldo.
4. Liquidación: una vez completado, solo se cobra por GPU real GPU utilizado.
5. Reembolso: cualquier exceso se devolverá automáticamente a su saldo.

Métodos de Pago

Ver Costos de Entrenamiento

Después del entrenamiento, vea los costos detallados en la pestaña Facturación:

• Desglose de costos por época
• Tiempo total de GPU
• Descargar informe de costos

Consejos de Entrenamiento

Elegir el Tamaño de Modelo Adecuado

Optimizar el Tiempo de Entrenamiento

1. Empiece poco a poco: Pruebe primero con menos épocas
2. Utilice la GPU adecuada: Adapte la GPU al modelo/tamaño de lote
3. Valide el conjunto de datos: Asegure la calidad antes del entrenamiento
4. Supervise desde el principio: Detenga si las métricas se estancan

Solución de problemas

Preguntas frecuentes

¿Cuánto tiempo tarda el entrenamiento?

El tiempo de entrenamiento depende de:

• Tamaño del conjunto de datos
• Tamaño del modelo
• Número de épocas
• GPU seleccionada

Tiempos típicos (1000 imágenes, 100 épocas):

¿Puedo entrenar durante la noche?

Sí, el entrenamiento continúa hasta su finalización. Recibirá una notificación cuando el entrenamiento termine. Asegúrese de que su cuenta tenga saldo suficiente para el entrenamiento basado en épocas.

¿Qué sucede si me quedo sin créditos?

El entrenamiento se pausa al final de la época actual. Su punto de control se guarda y puede reanudar después de añadir créditos.

¿Puedo usar argumentos de entrenamiento personalizados?

Sí, los usuarios avanzados pueden especificar argumentos adicionales en la configuración de entrenamiento.

Referencia de Parámetros de Entrenamiento

Parámetros Principales

Parámetros de Tasa de Aprendizaje

Parámetros de Aumento de Datos

Selección del Optimizador

📅 Creado hace 20 días ✏️ Actualizado hace 14 días

Comentarios