Inizia

Addestramento dei modelli

Ultralytics Platform offre strumenti per il training di modelli YOLO, dall'organizzazione degli esperimenti all'esecuzione di job di training nel cloud con metriche trasmesse in tempo reale.



Guarda: Inizia a usare la piattaforma Ultralytics - Addestramento

Panoramica#

La sezione Addestramento ti aiuta a:

  • Organizzare i modelli in progetti per gestirli più facilmente
  • Addestrare su GPU cloud con un solo clic
  • Monitorare le metriche in tempo reale durante l'addestramento
  • Confrontare le prestazioni dei modelli tra gli esperimenti
  • Esporta in 23 formati di distribuzione (vedi i formati supportati)

Panoramica dell'addestramento su Ultralytics Platform

Workflow#

FaseDescrizione
ProgettoCrea un'area di lavoro per organizzare i modelli correlati
ConfiguraSeleziona il dataset, il modello di base e i parametri di addestramento
AddestraEsegui l'addestramento su GPU cloud o sull'hardware locale
MonitoraVisualizza le curve di loss e le metriche in tempo reale
EsportaConverti in 23 formati di distribuzione (dettagli)

Opzioni di addestramento#

Ultralytics Platform supporta diversi approcci all'addestramento:

MetodoDescrizioneIdeale per
Addestramento cloudAddestra sui servizi GPU cloud di UltralyticsNessuna GPU locale, scalabilità
Addestramento localeAddestra localmente e trasmetti le metriche alla piattaformaHardware esistente, privacy
Addestramento con ColabUsa Google Colab con l'integrazione della piattaformaAccesso gratuito alle GPU
Instradamento automatico delle GPU

Quando selezioni una GPU meno costosa della RTX PRO 6000 e la capacità gestita da Ultralytics è disponibile, la piattaforma esegue il tuo processo su una RTX PRO 6000, addebitandoti comunque la tariffa oraria della GPU selezionata. I processi possono terminare prima e costare meno rispetto all'esecuzione sulla GPU selezionata: l'upgrade non comporta mai tempi o costi aggiuntivi.

Opzioni GPU#

GPU disponibili per l'addestramento cloud su Ultralytics Cloud:

GPUGenerazioneVRAMIdeale per
RTX 2000 AdaAda16 GBDataset piccoli, test
RTX A4500Ampere20 GBDataset da piccoli a medi
RTX A5000Ampere24 GBDataset medi
RTX 4000 AdaAda20 GBDataset medi
RTX 3090Ampere24 GBAddestramento generico
RTX PRO 4000Blackwell24 GBBlackwell economica
L4Ada24 GBOttimizzata per l'inferenza
A40Ampere48 GBBatch di dimensioni maggiori
RTX A6000Ampere48 GBModelli di grandi dimensioni
RTX PRO 4500Blackwell32 GBOttimo rapporto qualità-prezzo
L40Ada48 GBModelli di grandi dimensioni
RTX 4090Ada24 GBAddestramento generico
RTX PRO 5000Blackwell48 GBAddestramento con batch di grandi dimensioni
RTX 6000 AdaAda48 GBAddestramento con batch di grandi dimensioni
L40SAda48 GBAddestramento con batch di grandi dimensioni
RTX 5090Blackwell32 GBUltima generazione consumer
A100 PCIeAmpere80 GBAddestramento in produzione
A100 SXMAmpere80 GBAddestramento in produzione
RTX PRO 6000Blackwell96 GBScelta predefinita consigliata
H100 PCIeHopper80 GBAddestramento ad alte prestazioni
H100 NVLHopper94 GBPrestazioni massime
H200 NVLHopper143 GBMemoria massima
H100 SXMHopper80 GBAddestramento più veloce
H200 SXMHopper141 GBPrestazioni massime
B200Blackwell180 GBModelli di grandi dimensioni (Pro+)
B300Blackwell288 GBModelli di dimensioni massime (Pro+)

I prezzi orari attuali sono mostrati nel selettore GPU della finestra di dialogo di addestramento e nella pagina dei prezzi.

Accesso ai livelli GPU

Le GPU B200 e B300 richiedono un piano Pro o Enterprise. Tutte le altre GPU sono disponibili con ogni piano, incluso Free.

Crediti di registrazione

I nuovi account ricevono crediti di registrazione per l'addestramento. Consulta la sezione Fatturazione per i dettagli.

Metriche in tempo reale#

Nella scheda Addestramento del modello, visualizza le metriche in tempo reale e i risultati di convalida disponibili:

SottoschedaMetriche
MetricheMetriche dell'attività (mAP50, mAP50-95, precisione e richiamo per il rilevamento), perdite di addestramento/convalida, tasso di apprendimento
ValidazioneGrafici di convalida registrati e analisi per immagine, se disponibili
ConsoleLog di addestramento in tempo reale con colori ANSI e rilevamento automatico degli errori
SistemaUtilizzo GPU, memoria e temperatura della GPU, CPU, RAM, rete e I/O del disco
Checkpoint automatici

Il checkpoint migliore (best.pt, l'epoca con il fitness più alto) viene caricato periodicamente sulla piattaforma mentre l'addestramento è in corso e di nuovo al termine del processo, così il download, l'esportazione e il deployment usano sempre la migliore epoca prodotta fino a quel momento. I processi annullati conservano l'ultimo checkpoint il cui caricamento è stato completato.

Guida rapida#

Inizia ad addestrare nel cloud in meno di un minuto:

  1. Crea un progetto nella barra laterale
  2. Fai clic su New Model
  3. Seleziona un modello, un dataset e una GPU
  4. Fai clic su Start Training
  • Progetti: organizza i tuoi modelli e i tuoi esperimenti
  • Modelli: gestisci i checkpoint addestrati
  • Training nel cloud: addestra i modelli su GPU cloud
  • AutoTrain: usa Ask AI per eseguire esperimenti e confrontare i modelli

Domande frequenti#

  • La durata dell'addestramento dipende da:

    • Dimensione del dataset (numero di immagini)
    • Dimensione del modello (n, s, m, l, x)
    • Numero di epoche
    • Tipo di GPU selezionata

    L'attuale stima prevede circa 6 minuti per 1000 immagini, YOLO26n e 100 epoche su RTX PRO 6000, e circa 2 minuti per 500 immagini, YOLO26n e 50 epoche su RTX 4090. La durata effettiva varia; usa la stima in tempo reale nella finestra di dialogo di addestramento per il dataset e la configurazione selezionati.

  • Sì. I limiti di addestramento cloud simultaneo dipendono dal tuo piano: Free consente 3 processi, Pro ne consente 10 ed Enterprise è illimitato. Per aumentare il parallelismo, usa l'addestramento remoto da più macchine.

  • Se l'addestramento non riesce:

    1. Il modello viene contrassegnato come non riuscito e l'istanza di calcolo viene terminata
    2. La pagina del modello mostra un banner di errore con l'errore acquisito, un link all'output della console e le azioni Diagnostica con AI e Riprova l'addestramento (ruolo Editor o superiore), che riapre la finestra di dialogo dell'addestramento con la stessa configurazione
    3. Un processo che non segnala attività per 4 ore viene contrassegnato automaticamente come non riuscito e le relative risorse di calcolo vengono rilasciate
    4. Se il calcolo cloud è stato avviato, viene addebitato il tempo GPU trascorso; gli errori che si verificano prima dell'avvio del calcolo non comportano costi per l'utilizzo della GPU
  • ScenarioGPU consigliata
    La maggior parte dei processi di addestramentoRTX PRO 6000
    Dataset o dimensioni dei batch elevatiH100 SXM o H200
    Attento al budgetRTX 4090

Commenti

Fai una domanda, condividi i tuoi risultati o aiuta qualcun altro.