Addestramento del Modello
Ultralytics Platform fornisce strumenti completi per l'addestramento di modelli YOLO, dall'organizzazione degli esperimenti all'esecuzione di processi di addestramento su cloud con streaming di metriche in tempo reale.
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 i vari esperimenti
Flusso di Lavoro
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| Fase | Descrizione |
|---|---|
| Progetto | Creare uno spazio di lavoro per organizzare i modelli correlati |
| Configura | Selezionare il dataset, il modello base e i parametri di addestramento |
| Addestramento | Eseguire su GPU cloud o sul proprio hardware locale |
| Monitora | Visualizzare le curve di perdita e le metriche in tempo reale |
| Esportazione | Convertire in 17 formati di deployment |
Opzioni di addestramento
Ultralytics Platform supporta diversi approcci di addestramento:
| Metodo | Descrizione | Ideale per |
|---|---|---|
| Addestramento su Cloud | Addestrare su GPU cloud della Platform | Nessuna GPU locale, scalabilità |
| Addestramento remoto | Addestrare localmente, trasmettere le metriche alla Platform | Hardware esistente, privacy |
| Addestramento su Colab | Utilizza Google Colab con l'integrazione della piattaforma | Accesso gratuito alla GPU |
Opzioni GPU
GPU disponibili per l'addestramento nel cloud:
| Livello | GPU | VRAM | Costo/Ora | Ideale per |
|---|---|---|---|---|
| Bilancio | RTX A2000 | 6 GB | $0.12 | Piccoli set di dati, test |
| Bilancio | RTX 3080 | 10 GB | $0.25 | Set di dati medi |
| Bilancio | RTX 3080 Ti | 12 GB | $0.30 | Set di dati medi |
| Bilancio | A30 | 24 GB | $0.44 | Lotti di dimensioni maggiori |
| Mezzo | L4 | 24 GB | $0.54 | Inferenza ottimizzata |
| Mezzo | RTX 4090 | 24 GB | $0.60 | Ottimo rapporto qualità/prezzo |
| Mezzo | A6000 | 48 GB | $0.90 | Modelli di grandi dimensioni |
| Mezzo | L40S | 48 GB | $1.72 | Formazione su grandi lotti |
| Pro | A100 40GB | 40 GB | $2.78 | Formazione alla produzione |
| Pro | A100 80GB | 80 GB | $3.44 | Modelli molto grandi |
| Pro | RTX PRO 6000 | 48 GB | $3.68 | Ultralytics |
| Pro | H100 | 80 GB | $5.38 | Allenamento più veloce |
| Enterprise | H200 | 141 GB | $5.38 | Massime prestazioni |
| Enterprise | B200 | 192 GB | $10.38 | Modelli più grandi |
Crediti di registrazione
I nuovi account ricevono crediti di iscrizione per la formazione. Controlla la sezione Fatturazione per i dettagli.
Metriche in tempo reale
Durante l'addestramento, visualizza le metriche in tempo reale:
- Curve di perdita: Perdita di box, classe e DFL
- Prestazioni: mAP50, mAP50-95, precisione, richiamo
- Statistiche di sistema: Utilizzo della GPU, consumo di memoria
- Checkpoint: Salvataggio automatico dei pesi migliori
Link Rapidi
- Progetti: Organizza i tuoi modelli e esperimenti
- Modelli: Gestisci i checkpoint addestrati
- Addestramento su Cloud: Addestra su GPU cloud
FAQ
Quanto tempo richiede l'addestramento?
Il tempo di addestramento dipende da:
- Dimensione del dataset (numero di immagini)
- Dimensione del modello (n, s, m, l, x)
- Numero di epoche
- Tipo di GPU selezionata
Un tipico ciclo di addestramento con 1000 immagini, YOLO26n, 100 epoche su RTX 4090 richiede circa 30-60 minuti.
Posso addestrare più modelli contemporaneamente?
L'addestramento su cloud supporta attualmente un solo processo di addestramento concorrente per account. Per l'addestramento parallelo, utilizzare l'addestramento remoto da più macchine.
Cosa succede se l'addestramento fallisce?
Se l'addestramento fallisce:
- I checkpoint vengono salvati ad ogni epoca
- È possibile riprendere dall'ultimo checkpoint
- I crediti vengono addebitati solo per il tempo di calcolo completato
Come scelgo la GPU giusta?
| Scenario | GPU consigliata |
|---|---|
| Small datasets (<5000 images) | RTX 4090 |
| Dataset di medie dimensioni (5000-50000 immagini) | A100 40GB |
| Dataset di grandi dimensioni o batch size elevati | A100 80GB o H100 |
| Per chi ha un budget limitato | RTX 3090 |
