Link to this sectionEntranement de modèle#
Ultralytics Platform fournit des outils complets pour entraner des modèles YOLO, de l'organisation d'expériences à l'exécution de tâches d'entranement dans le cloud avec diffusion de métriques en temps réel.
Watch: Get Started with Ultralytics Platform - Train
Link to this sectionPrésentation#
La section Entranement t'aide à :
- Organiser les modèles dans des projets pour une gestion plus simple
- Entraner sur des GPU cloud en un seul clic
- Surveiller les métriques en temps réel pendant l'entranement
- Comparer les performances des modèles entre les expériences
- Exporter vers plus de 19 formats de déploiement (voir formats pris en charge)

Link to this sectionFlux de travail#
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| Étape | Description |
|---|---|
| Projet | Crée un espace de travail pour organiser les modèles liés |
| Configurer | Sélectionne le dataset, le modèle de base et les paramètres d'entranement |
| Entraner | Exécute sur des GPU cloud ou sur ton matériel local |
| Surveiller | Visualise les courbes de perte et les métriques en temps réel |
| Exporter | Convertis vers plus de 19 formats de déploiement (détails) |
Link to this sectionOptions d'entranement#
Ultralytics Platform prend en charge plusieurs approches d'entranement :
| Méthode | Description | Idéal pour |
|---|---|---|
| Entranement cloud | Entrane sur les GPU cloud Ultralytics | Pas de GPU local, évolutivité |
| Entranement local | Entrane localement, diffuse les métriques sur la plateforme | Matériel existant, confidentialité |
| Entranement Colab | Utilise Google Colab avec l'intégration de la plateforme | Accès gratuit au GPU |
Link to this sectionOptions GPU#
GPU disponibles pour l'entranement cloud sur Ultralytics Cloud :
| GPU | Génération | VRAM | Coùt/Heure | Idéal pour |
|---|---|---|---|---|
| RTX 2000 Ada | Ada | 16 GB | $0.24 | Petits datasets, tests |
| RTX A4500 | Ampere | 20 GB | $0.25 | Datasets de taille petite à moyenne |
| RTX 4000 Ada | Ada | 20 GB | $0.26 | Datasets de taille moyenne |
| RTX A5000 | Ampere | 24 GB | $0.27 | Datasets de taille moyenne |
| L4 | Ada | 24 GB | $0.39 | Optimisé pour l'inférence |
| A40 | Ampere | 48 GB | $0.44 | Tailles de batch plus grandes |
| RTX 3090 | Ampere | 24 GB | $0.46 | Entranement général |
| RTX A6000 | Ampere | 48 GB | $0.49 | Grands modèles |
| RTX PRO 4500 | Blackwell | 32 GB | $0.64 | Excellent rapport prix/performance |
| RTX 4090 | Ada | 24 GB | $0.69 | Meilleur rapport prix/performance |
| RTX 6000 Ada | Ada | 48 GB | $0.77 | Entranement sur grands batchs |
| L40S | Ada | 48 GB | $0.86 | Entranement sur grands batchs |
| RTX 5090 | Blackwell | 32 GB | $0.99 | Dernière génération grand public |
| L40 | Ada | 48 GB | $0.99 | Grands modèles |
| A100 PCIe | Ampere | 80 GB | $1.39 | Entranement en production |
| A100 SXM | Ampere | 80 GB | $1.49 | Entranement en production |
| RTX PRO 6000 | Blackwell | 96 GB | $1.89 | Par défaut recommandé |
| H100 PCIe | Hopper | 80 GB | $2.39 | Entranement haute performance |
| H100 SXM | Hopper | 80 GB | $2.99 | Entraînement le plus rapide |
| H100 NVL | Hopper | 94 Go | 3,07 $ | Performance maximale |
| H200 NVL | Hopper | 143 Go | 3,39 $ | Mémoire maximale |
| H200 SXM | Hopper | 141 Go | 3,99 $ | Performance maximale |
| B200 | Blackwell | 180 Go | 5,49 $ | Modèles larges (Pro+) |
| B300 | Blackwell | 288 Go | 7,39 $ | Modèles les plus larges (Pro+) |
Les GPU B200 et B300 nécessitent un forfait Pro ou Enterprise. Tous les autres GPU sont disponibles sur tous les forfaits, y compris Free.
Les nouveaux comptes reçoivent des crédits d'inscription pour l'entraînement. Consulte la Facturation pour plus de détails.
Link to this sectionMétriques en temps réel#
Pendant l'entraînement, visualise les métriques en direct via trois sous-onglets :
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| Sous-onglet | Métriques |
|---|---|
| Graphiques | Perte BBox/classe/DFL, mAP50, mAP50-95, précision, rappel |
| Console | Journaux d'entraînement en direct avec couleurs ANSI et détection d'erreurs |
| Système | Utilisation du GPU, mémoire, température, CPU, disque |
Pour l'entraînement dans le cloud, le meilleur modèle (best.pt, le point de contrôle avec le mAP le plus élevé) est enregistré automatiquement et rendu disponible pour le téléchargement, l'exportation et le déploiement une fois l'entraînement terminé.
Link to this sectionDémarrage rapide#
Démarre l'entraînement dans le cloud en moins d'une minute :
- Crée un projet dans la barre latérale
- Clique sur Nouveau modèle
- Sélectionne un modèle, un jeu de données et un GPU
- Clique sur Démarrer l'entraînement
Link to this sectionLiens rapides#
- Projets : Organise tes modèles et tes expériences
- Modèles : Gère les points de contrôle entraînés
- Entraînement dans le cloud : Entraîne sur des GPU dans le cloud
Link to this sectionFAQ#
Link to this sectionCombien de temps prend l'entraînement ?#
La durée de l'entraînement dépend de :
- La taille du jeu de données (nombre d'images)
- La taille du modèle (n, s, m, l, x)
- Le nombre d'époques
- Le type de GPU sélectionné
Un entraînement typique avec 1000 images, YOLO26n, 100 époques sur RTX PRO 6000 prend environ 5 à 10 minutes. Les entraînements plus petits (500 images, 50 époques sur RTX 4090) se terminent en moins d'une heure. Consulte les exemples de coûts pour des estimations détaillées.
Link to this sectionPuis-je entraîner plusieurs modèles simultanément ?#
Oui. Les limites d'entraînement simultané dans le cloud dépendent de ton forfait : Free permet 3 entraînements, Pro en permet 10, et Enterprise est illimité. Pour un entraînement parallèle supplémentaire, utilise l'entraînement à distance depuis plusieurs machines.
Link to this sectionQue se passe-t-il si l'entraînement échoue ?#
Si l'entraînement échoue :
- Le modèle est marqué comme ayant échoué et l'instance de calcul est terminée
- Tu peux démarrer un nouvel entraînement à partir du modèle de base
- Les crédits ne sont facturés que pour le temps de calcul effectué
Link to this sectionComment choisir le bon GPU ?#
| Scénario | GPU recommandé |
|---|---|
| La plupart des tâches d'entraînement | RTX PRO 6000 |
| Grands jeux de données ou tailles de lot | H100 SXM ou H200 |
| Soucieux de ton budget | RTX 4090 |