Training dei modelli#
Ultralytics Platform offre strumenti completi per addestrare modelli YOLO, dall'organizzazione degli esperimenti all'esecuzione di processi di addestramento nel cloud con streaming delle metriche in tempo reale.
Watch: Get Started with Ultralytics Platform - Train
Panoramica#
La sezione Addestramento ti aiuta a:
- Organizzare i modelli in progetti per una gestione più semplice
- Addestrare su GPU cloud con un solo clic
- Monitorare le metriche in tempo reale durante l'addestramento
- Confrontare le prestazioni dei modelli tra diversi esperimenti
- Esportare in 20 formati di deployment (consulta i formati supportati)
Flusso di lavoro#
graph LR
A[📁 Project]:::start --> B[⚙️ Configure]:::proc
B --> C[🚀 Train]:::proc
C --> D[📈 Monitor]:::proc
D --> E[📦 Export]:::out
classDef start fill:#4CAF50,color:#fff
classDef proc fill:#2196F3,color:#fff
classDef out fill:#9C27B0,color:#fff| Fase | Descrizione |
|---|---|
| Progetto | Crea uno spazio di lavoro per organizzare i modelli correlati |
| Configura | Seleziona dataset, modello di base e parametri di addestramento |
| Addestra | Esegui l'addestramento su GPU cloud o sul tuo hardware locale |
| Monitora | Visualizza le curve della loss e le metriche in tempo reale |
| Esporta | Converti in 20 formati di deployment (dettagli) |
Opzioni di addestramento#
Ultralytics Platform supporta diversi approcci all'addestramento:
| Metodo | Descrizione | Ideale per |
|---|---|---|
| Addestramento cloud | Addestra sui cloud GPU di Ultralytics | Nessuna GPU locale, scalabilità |
| Addestramento locale | Addestra localmente e trasmetti le metriche alla piattaforma | Hardware esistente, privacy |
| Addestramento su Colab | Usa Google Colab con l'integrazione della piattaforma | Accesso gratuito alle GPU |
Quando selezioni una GPU più economica della RTX PRO 6000 e la capacità gestita da Ultralytics è disponibile, la Platform esegue il tuo processo su una RTX PRO 6000, applicando comunque la tariffa oraria della GPU selezionata. I processi possono terminare prima e costare meno rispetto all'esecuzione sulla GPU selezionata: l'upgrade non aggiunge mai tempo né costi.
Opzioni GPU#
GPU disponibili per l'addestramento cloud su Ultralytics Cloud:
| GPU | Generazione | VRAM | Costo/ora | Ideale per |
|---|---|---|---|---|
| RTX 2000 Ada | Ada | 16 GB | $0.24 | Dataset piccoli, test |
| RTX A4500 | Ampere | 20 GB | $0.25 | Dataset piccoli e medi |
| RTX 4000 Ada | Ada | 20 GB | $0.26 | Dataset medi |
| RTX A5000 | Ampere | 24 GB | $0.27 | Dataset medi |
| L4 | Ada | 24 GB | $0.39 | Ottimizzata per l'inferenza |
| A40 | Ampere | 48 GB | $0.44 | Dimensioni del batch maggiori |
| RTX 3090 | Ampere | 24 GB | $0.46 | Addestramento generico |
| RTX A6000 | Ampere | 48 GB | $0.49 | Modelli di grandi dimensioni |
| RTX PRO 4000 | Blackwell | 24 GB | $0.57 | Blackwell economica |
| RTX PRO 4500 | Blackwell | 32 GB | $0.64 | Ottimo rapporto qualità/prezzo |
| RTX 4090 | Ada | 24 GB | $0.69 | Miglior rapporto qualità/prezzo |
| RTX 6000 Ada | Ada | 48 GB | $0.77 | Addestramento con batch di grandi dimensioni |
| L40S | Ada | 48 GB | $0.86 | Addestramento con batch di grandi dimensioni |
| RTX PRO 5000 | Blackwell | 48 GB | $0.96 | Addestramento con batch di grandi dimensioni |
| RTX 5090 | Blackwell | 32 GB | $0.99 | Ultima generazione consumer |
| L40 | Ada | 48 GB | $0.99 | Modelli di grandi dimensioni |
| A100 PCIe | Ampere | 80 GB | $1.39 | Addestramento in produzione |
| A100 SXM | Ampere | 80 GB | $1.49 | Addestramento in produzione |
| RTX PRO 6000 | Blackwell | 96 GB | $2.09 | Impostazione predefinita consigliata |
| H100 PCIe | Hopper | 80 GB | $2.89 | Addestramento ad alte prestazioni |
| H100 NVL | Hopper | 94 GB | $3.19 | Prestazioni massime |
| H100 SXM | Hopper | 80 GB | $3.29 | Addestramento più veloce |
| H200 NVL | Hopper | 143 GB | $3.39 | Memoria massima |
| H200 SXM | Hopper | 141 GB | $4.39 | Prestazioni massime |
| B200 | Blackwell | 180 GB | $5.89 | Modelli di grandi dimensioni (Pro+) |
| B300 | Blackwell | 288 GB | $7.39 | Modelli di dimensioni massime (Pro+) |
Le GPU B200 e B300 richiedono un piano Pro o Enterprise. Tutte le altre GPU sono disponibili in tutti i piani, incluso Free.
I nuovi account ricevono crediti di registrazione per l'addestramento. Consulta la sezione Fatturazione per i dettagli.
Metriche in tempo reale#
Durante l'addestramento, visualizza le metriche in tempo reale in tre sottoschede:
graph LR
A[Charts]:::start --> B[Loss Curves]:::out
A --> C[Task Metrics]:::out
D[Console]:::start --> E[Live Logs]:::out
D --> F[Error Detection]:::out
G[System]:::start --> H[GPU, CPU & Memory]:::out
G --> I[Network & Disk I/O]:::out
classDef start fill:#4CAF50,color:#fff
classDef out fill:#9C27B0,color:#fff| Sottoscheda | Metriche |
|---|---|
| Grafici | Metriche dell'attività (mAP50, mAP50-95, precisione, recall per il rilevamento), loss di addestramento/validazione, learning rate |
| Console | Log di addestramento in tempo reale con colori ANSI e rilevamento automatico degli errori |
| Sistema | Utilizzo della GPU, memoria e temperatura della GPU, CPU, RAM, rete e I/O del disco |
Il checkpoint migliore (best.pt, l'epoca con la fitness più alta) viene caricato periodicamente sulla Platform durante l'esecuzione dell'addestramento e nuovamente al termine del processo, così il download, l'esportazione e il deployment utilizzano sempre la migliore epoca prodotta fino a quel momento. I processi annullati conservano l'ultimo checkpoint il cui caricamento è terminato.
Avvio rapido#
Inizia l'addestramento cloud in meno di un minuto:
- Crea un progetto nella barra laterale
- Fai clic su New Model
- Seleziona un modello, un dataset e una GPU
- Fai clic su Start Training
Link rapidi#
- Progetti: organizza i tuoi modelli e i tuoi esperimenti
- Modelli: gestisci i checkpoint addestrati
- Training nel cloud: addestra su GPU cloud
- AutoTrain: usa Ask AI per eseguire esperimenti e confrontare modelli
FAQ#
La durata dell'addestramento dipende da:
- Dimensioni del dataset (numero di immagini)
- Dimensioni del modello (n, s, m, l, x)
- Numero di epoche
- Tipo di GPU selezionata
L'estimatore attuale prevede circa 6 minuti per 1000 immagini, YOLO26n, 100 epoche su RTX PRO 6000, e circa 2 minuti per 500 immagini, YOLO26n, 50 epoche su RTX 4090. La durata effettiva varia; usa la stima in tempo reale nella finestra di dialogo dell'addestramento per il dataset e la configurazione selezionati. Consulta gli esempi di costo.
Sì. I limiti per l'addestramento cloud simultaneo dipendono dal tuo piano: Free consente 3 processi, Pro ne consente 10 ed Enterprise è illimitato. Per un addestramento parallelo aggiuntivo, usa l'addestramento remoto da più macchine.
Se l'addestramento non riesce:
- Il modello viene contrassegnato come non riuscito e l'istanza di calcolo viene terminata
- La pagina del modello mostra un banner di errore con l'errore acquisito, un link all'output della console e un'azione Retry che riapre la finestra di dialogo dell'addestramento con la stessa configurazione
- Un processo che smette di segnalare attività per diverse ore viene contrassegnato automaticamente come non riuscito e le risorse di calcolo vengono rilasciate
- Se il calcolo cloud era iniziato, viene addebitato il tempo GPU trascorso; gli errori che si verificano prima dell'avvio del calcolo non comportano addebiti per l'utilizzo della GPU
Scenario GPU consigliata La maggior parte dei processi di addestramento RTX PRO 6000 Dataset o batch di grandi dimensioni H100 SXM o H200 Attenzione al budget RTX 4090