Formation Cloud

Ultralytics Platform Cloud Training propose un entraînement en un clic sur des GPU cloud, rendant l'entraînement de modèles accessible sans configuration complexe. Entraînez des modèles YOLO avec un streaming de métriques en temps réel et une sauvegarde automatique des points de contrôle.

Entraîner depuis l'interface utilisateur

Démarrez l'entraînement cloud directement depuis la Plateforme :

1. Accédez à votre projet
2. Cliquez sur Entraîner le modèle
3. Configurer les paramètres d'entraînement
4. Cliquez sur Démarrer l'entraînement

Étape 1 : Sélectionner le jeu de données

Choisissez un jeu de données parmi vos téléchargements :

Étape 2 : Configurer le modèle

Sélectionnez le modèle de base et les paramètres :

Étape 3 : Sélectionner le GPU

Choisissez vos ressources de calcul :

Étape 4 : Démarrer l'entraînement

Cliquez sur Démarrer l'entraînement pour lancer votre tâche. La plateforme :

1. Provisionne une instance GPU
2. Télécharge votre jeu de données
3. Démarre l'entraînement
4. Diffuse les métriques en temps réel

Surveiller l'entraînement

Visualiser la progression de l'entraînement en temps réel :

Métriques en temps réel

Points de contrôle

Les points de contrôle sont enregistrés automatiquement :

• À chaque époque : Poids les plus récents sauvegardés
• Meilleur modèle : Point de contrôle avec le mAP le plus élevé conservé
• Modèle final : Poids à la fin de l'entraînement

Arrêter et reprendre

Arrêter l'entraînement

Cliquez sur Arrêter l'entraînement pour mettre votre tâche en pause :

• Le point de contrôle actuel est sauvegardé
• L'instance GPU est libérée
• Les crédits cessent d'être facturés

Reprendre l'entraînement

Reprendre à partir de votre dernier point de contrôle :

1. Accédez au modèle
2. Cliquez sur Reprendre l'entraînement
3. Confirmez la reprise

Entraînement à distance

Entraînez-vous sur votre propre matériel tout en diffusant les métriques vers la Plateforme.

pip install "ultralytics>=8.4.0"

Configurer la clé API

1. Allez dans Paramètres > Clés API
2. Créez une nouvelle clé avec une portée d'entraînement
3. Définissez la variable d'environnement :

export ULTRALYTICS_API_KEY="your_api_key"

Entraîner avec le streaming

Utilisez la project et name paramètres pour diffuser les métriques :

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",
)

Utilisation des jeux de données de la plateforme

Entraînez-vous avec des jeux de données stockés sur la Plateforme :

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

L'argument ul:// Le format URI télécharge et configure automatiquement votre jeu de données.

Facturation

Les coûts d'entraînement sont basés sur l'utilisation du GPU :

Estimation des coûts

Avant le début de la formation, la plateforme estime le coût total en fonction :

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

Facteurs influant sur le coût :

Exemples de coûts

Système de détention/règlement

La plateforme utilise un modèle de facturation axé sur la protection des consommateurs :

1. Estimation: coût calculé avant le début de la formation
2. Maintien: montant estimé + marge de sécurité de 20 % réservée sur le solde
3. Train: Montant réservé indiqué comme « Réservé » dans votre solde
4. Règlement: une fois le travail terminé, seul GPU réellement utilisé est facturé.
5. Remboursement: tout excédent est automatiquement reversé sur votre solde.

Méthodes de paiement

Afficher les coûts d'entraînement

Après l'entraînement, consultez les coûts détaillés dans l'onglet Facturation :

• Répartition des coûts par époque
• Temps GPU total
• Télécharger le rapport de coûts

Conseils d'entraînement

Choisir la bonne taille de modèle

Optimiser le temps d'entraînement

1. Commencez modestement : Testez d'abord avec moins d'époques
2. Utilisez le GPU approprié : Adaptez le GPU à la taille du modèle/lot
3. Validez le jeu de données : Assurez la qualité avant l'entraînement
4. Surveillez tôt : Arrêtez si les métriques plafonnent

Dépannage

FAQ

Combien de temps dure l'entraînement ?

Le temps de formation dépend de :

• Taille du jeu de données
• Taille du modèle
• Nombre d'époques
• GPU sélectionné

Temps typiques (1000 images, 100 époques) :

Puis-je entraîner pendant la nuit ?

Oui, l'entraînement se poursuit jusqu'à la fin. Vous recevrez une notification lorsque l'entraînement sera terminé. Assurez-vous que votre compte dispose d'un solde suffisant pour l'entraînement basé sur les époques.

Que se passe-t-il si je n'ai plus de crédits ?

L'entraînement se met en pause à la fin de l'époque actuelle. Votre point de contrôle est enregistré, et vous pouvez reprendre après avoir ajouté des crédits.

Puis-je utiliser des arguments d'entraînement personnalisés ?

Oui, les utilisateurs avancés peuvent spécifier des arguments supplémentaires dans la configuration d'entraînement.

Référence des paramètres d'entraînement

Paramètres principaux

Paramètres du taux d'apprentissage

Paramètres d'augmentation

Sélection de l'optimiseur

📅 Créé il y a 20 jours ✏️ Mis à jour il y a 14 jours

Commentaires