Commencer

Entraînement des modèles

Ultralytics Platform fournit des outils pour entraîner des modèles YOLO, de l'organisation des expériences à l'exécution de tâches d'entraînement dans le cloud avec diffusion des métriques en temps réel.



À regarder : Bien démarrer avec la plateforme Ultralytics - Entraînement

Présentation#

La section Entraînement t’aide à :

  • Organiser les modèles en projets pour en faciliter la gestion
  • Entraîner des modèles sur des GPU cloud en un seul clic
  • Suivre les métriques en temps réel pendant l’entraînement
  • Comparer les performances des modèles entre les expériences
  • Exporter vers 23 formats de déploiement (voir les formats pris en charge)

Vue d’ensemble de l’entraînement dans Ultralytics Platform

Flux de travail#

ÉtapeDescription
ProjetCrée un espace de travail pour organiser les modèles associés
ConfigurerSélectionne un jeu de données, un modèle de base et les paramètres d’entraînement
EntraînerLance l’entraînement sur des GPU cloud ou sur ton matériel local
SuivreConsulte les courbes de perte et les métriques en temps réel
ExporterConvertir vers 23 formats de déploiement (détails)

Options d’entraînement#

Ultralytics Platform prend en charge plusieurs approches d’entraînement :

MéthodeDescriptionIdéal pour
Entraînement dans le cloudEntraîne des modèles sur les GPU cloud d’UltralyticsPas de GPU local, évolutivité
Entraînement localEntraîne des modèles localement et diffuse les métriques vers la plateformeMatériel existant, confidentialité
Entraînement sur ColabUtilise Google Colab avec l’intégration à la plateformeAccès gratuit aux GPU
Attribution automatique des GPU

Lorsque tu sélectionnes un GPU moins cher que le RTX PRO 6000 et que la capacité gérée par Ultralytics est disponible, la plateforme exécute ton travail sur un RTX PRO 6000 tout en facturant le tarif horaire du GPU que tu as sélectionné. Les tâches peuvent se terminer plus tôt et coûter moins cher que sur le GPU sélectionné : cette mise à niveau n’entraîne jamais de temps ni de coût supplémentaires.

Options de GPU#

GPU disponibles pour l’entraînement dans le cloud sur Ultralytics Cloud :

GPUGénérationVRAMIdéal pour
RTX 2000 AdaAda16 GBPetits jeux de données, tests
RTX A4500Ampere20 GBJeux de données petits à moyens
RTX A5000Ampere24 GBJeux de données moyens
RTX 4000 AdaAda20 GBJeux de données moyens
RTX 3090Ampere24 GBEntraînement général
RTX PRO 4000Blackwell24 GBBlackwell économique
L4Ada24 GBOptimisé pour l’inférence
A40Ampere48 GBTailles de lot plus importantes
RTX A6000Ampere48 GBGrands modèles
RTX PRO 4500Blackwell32 GBExcellent rapport qualité-prix
L40Ada48 GBGrands modèles
RTX 4090Ada24 GBEntraînement général
RTX PRO 5000Blackwell48 GBEntraînement avec de grandes tailles de lot
RTX 6000 AdaAda48 GBEntraînement avec de grandes tailles de lot
L40SAda48 GBEntraînement avec de grandes tailles de lot
RTX 5090Blackwell32 GBDernière génération grand public
A100 PCIeAmpere80 GBEntraînement en production
A100 SXMAmpere80 GBEntraînement en production
RTX PRO 6000Blackwell96 GBOption par défaut recommandée
H100 PCIeHopper80 GBEntraînement haute performance
H100 NVLHopper94 GBPerformances maximales
H200 NVLHopper143 GBMémoire maximale
H100 SXMHopper80 GBEntraînement le plus rapide
H200 SXMHopper141 GBPerformances maximales
B200Blackwell180 GBGrands modèles (Pro+)
B300Blackwell288 GBLes plus grands modèles (Pro+)

Les tarifs horaires actuels sont affichés dans le sélecteur de GPU de la fenêtre d’entraînement et sur la page des tarifs.

Accès aux catégories de GPU

Les GPU B200 et B300 nécessitent une offre Pro ou Enterprise. Tous les autres GPU sont disponibles avec toutes les offres, y compris l’offre gratuite.

Crédits d’inscription

Les nouveaux comptes reçoivent des crédits d’inscription pour l’entraînement. Consulte Facturation pour en savoir plus.

Métriques en temps réel#

Dans l'onglet Entraîner du modèle, consulte les métriques en direct et les résultats de validation disponibles :

Sous-ongletMétriques
MétriquesMétriques de la tâche (mAP50, mAP50-95, précision, rappel pour la détection), pertes d’entraînement et de validation, taux d’apprentissage
ValidationCourbes de validation enregistrées et analyse par image, lorsqu'elles sont disponibles
ConsoleJournaux d’entraînement en direct avec couleurs ANSI et détection automatique des erreurs
SystèmeUtilisation du GPU, mémoire et température du GPU, CPU, RAM, réseau et E/S disque
Points de contrôle automatiques

Le meilleur point de contrôle (best.pt, l’époque avec le score de fitness le plus élevé) est téléversé périodiquement sur la plateforme pendant l’entraînement, puis de nouveau à la fin de l’exécution. Le téléchargement, l’exportation et le déploiement utilisent ainsi toujours la meilleure époque produite jusque-là. Les exécutions annulées conservent le dernier point de contrôle dont le téléversement est terminé.

Démarrage rapide#

Commence l’entraînement dans le cloud en moins d’une minute :

  1. Crée un projet dans la barre latérale
  2. Clique sur New Model
  3. Sélectionne un modèle, un jeu de données et un GPU
  4. Clique sur Start Training
  • Projets : organise tes modèles et tes expériences
  • Modèles : gère les points de contrôle entraînés
  • Entraînement dans le cloud : entraîne tes modèles sur des GPU cloud
  • AutoTrain : utilise Ask AI pour lancer des expériences et comparer des modèles

FAQ#

  • La durée de l’entraînement dépend des facteurs suivants :

    • Taille du jeu de données (nombre d’images)
    • Taille du modèle (n, s, m, l, x)
    • Nombre d’époques
    • Type de GPU sélectionné

    L’estimateur actuel prévoit environ 6 minutes pour 1 000 images, YOLO26n et 100 époques sur RTX PRO 6000, et environ 2 minutes pour 500 images, YOLO26n et 50 époques sur RTX 4090. La durée réelle varie ; consulte l’estimation en direct dans la fenêtre d’entraînement pour le jeu de données et la configuration sélectionnés.

  • Oui. Le nombre d’entraînements cloud simultanés autorisés dépend de ton offre : l’offre Free en autorise 3, l’offre Pro en autorise 10 et l’offre Enterprise est illimitée. Pour effectuer davantage d’entraînements en parallèle, utilise l’entraînement à distance depuis plusieurs machines.

  • En cas d’échec de l’entraînement :

    1. Le modèle est marqué comme ayant échoué et l’instance de calcul est arrêtée
    2. La page du modèle affiche une bannière d’erreur contenant l’erreur capturée, un lien vers la sortie de la console, ainsi que les actions Diagnostiquer avec l’IA et Réessayer l’entraînement (rôle Éditeur ou supérieur), qui rouvrent la boîte de dialogue d’entraînement avec la même configuration
    3. Une exécution qui ne signale aucune activité pendant 4 heures est automatiquement marquée comme ayant échoué et ses ressources de calcul sont libérées
    4. Si le calcul dans le cloud a démarré, le temps d’utilisation du GPU écoulé est facturé ; les échecs survenant avant le démarrage du calcul n’entraînent aucuns frais d’utilisation du GPU
  • ScénarioGPU recommandé
    La plupart des tâches d’entraînementRTX PRO 6000
    Grands jeux de données ou tailles de lot élevéesH100 SXM ou H200
    Budget limitéRTX 4090

Commentaires

Pose une question, partage tes résultats ou aide quelqu’un d’autre.