Meet YOLO26: next-gen vision AI.

Link to this sectionAddestramento del modello#

La Ultralytics Platform fornisce strumenti completi per l'addestramento di modelli YOLO, dall'organizzazione degli esperimenti all'esecuzione di job di addestramento nel cloud con streaming delle metriche in tempo reale.



Watch: Get Started with Ultralytics Platform - Train

Link to this sectionPanoramica#

La sezione Addestramento ti aiuta a:

  • Organizzare i modelli in progetti per una gestione più semplice
  • Addestrare su GPU nel cloud con un solo clic
  • Monitorare le metriche in tempo reale durante l'addestramento
  • Confrontare le prestazioni del modello tra vari esperimenti
  • Esportare in oltre 19 formati di distribuzione (vedi formati supportati)

Panoramica dell'addestramento sulla Ultralytics Platform

Link to this sectionWorkflow#

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
FaseDescrizione
ProgettoCrea uno spazio di lavoro per organizzare i modelli correlati
ConfiguraSeleziona dataset, modello di base e parametri di addestramento
AddestraEsegui su GPU nel cloud o sul tuo hardware locale
MonitoraVisualizza le curve di loss e le metriche in tempo reale
EsportaConverti in oltre 19 formati di distribuzione (dettagli)

Link to this sectionOpzioni di addestramento#

La Ultralytics Platform supporta molteplici approcci di addestramento:

MetodoDescrizioneIdeale per
Cloud TrainingAddestra sulle GPU cloud di UltralyticsNessuna GPU locale, scalabilità
Local TrainingAddestra localmente, trasmetti le metriche alla piattaformaHardware esistente, privacy
Colab TrainingUtilizza Google Colab con l'integrazione della piattaformaAccesso gratuito a GPU

Link to this sectionOpzioni GPU#

GPU disponibili per l'addestramento cloud su Ultralytics Cloud:

GPUGenerazioneVRAMCosto/OraIdeale per
RTX 2000 AdaAda16 GB$0.24Dataset piccoli, test
RTX A4500Ampere20 GB$0.25Dataset medio-piccoli
RTX 4000 AdaAda20 GB$0.26Dataset medi
RTX A5000Ampere24 GB$0.27Dataset medi
L4Ada24 GB$0.39Ottimizzato per l'inferenza
A40Ampere48 GB$0.44Dimensioni batch più grandi
RTX 3090Ampere24 GB$0.46Addestramento generale
RTX A6000Ampere48 GB$0.49Modelli grandi
RTX PRO 4500Blackwell32 GB$0.64Ottimo rapporto prezzo/prestazioni
RTX 4090Ada24 GB$0.69Miglior rapporto prezzo/prestazioni
RTX 6000 AdaAda48 GB$0.77Addestramento con batch grandi
L40SAda48 GB$0.86Addestramento con batch grandi
RTX 5090Blackwell32 GB$0.99Ultima generazione consumer
L40Ada48 GB$0.99Modelli grandi
A100 PCIeAmpere80 GB$1.39Addestramento di produzione
A100 SXMAmpere80 GB$1.49Addestramento di produzione
RTX PRO 6000Blackwell96 GB$1.89Predefinito consigliato
H100 PCIeHopper80 GB$2.39Addestramento ad alte prestazioni
H100 SXMHopper80 GB$2.99Addestramento più veloce
H100 NVLHopper94 GB3,07 $Massime prestazioni
H200 NVLHopper143 GB3,39 $Memoria massima
H200 SXMHopper141 GB3,99 $Massime prestazioni
B200Blackwell180 GB5,49 $Modelli grandi (Pro+)
B300Blackwell288 GB7,39 $Modelli più grandi (Pro+)
Accesso ai livelli GPU

Le GPU B200 e B300 richiedono un piano Pro o Enterprise. Tutte le altre GPU sono disponibili su tutti i piani, incluso quello Free.

Crediti di benvenuto

I nuovi account ricevono crediti di benvenuto per l'addestramento. Controlla Fatturazione per i dettagli.

Link to this sectionMetriche in tempo reale#

Durante l'addestramento, visualizza le metriche in tempo reale attraverso tre sottoschede:

graph LR
    A[Charts] --> B[Loss Curves]
    A --> C[Performance Metrics]
    D[Console] --> E[Live Logs]
    D --> F[Error Detection]
    G[System] --> H[GPU Utilization]
    G --> I[Memory & Temp]

    style A fill:#2196F3,color:#fff
    style D fill:#FF9800,color:#fff
    style G fill:#9C27B0,color:#fff
SottoschedaMetriche
GraficiPerdita Box/class/DFL, mAP50, mAP50-95, precisione, richiamo
ConsoleLog di addestramento live con colori ANSI e rilevamento errori
SistemaUtilizzo GPU, memoria, temperatura, CPU, disco
Checkpoint automatici

Per l'addestramento su cloud, il modello migliore (best.pt, il checkpoint con mAP più alto) viene salvato automaticamente e reso disponibile per il download, l'esportazione e il deployment al termine dell'addestramento.

Link to this sectionAvvio rapido#

Inizia con l'addestramento su cloud in meno di un minuto:

  1. Crea un progetto nella barra laterale
  2. Fai clic su Nuovo Modello
  3. Seleziona un modello, un dataset e una GPU
  4. Fai clic su Avvia Addestramento

Link to this sectionFAQ#

Link to this sectionQuanto tempo richiede l'addestramento?#

Il tempo di addestramento dipende da:

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

Un tipico ciclo di addestramento con 1000 immagini, YOLO26n, 100 epoche su RTX PRO 6000 richiede circa 5-10 minuti. Esecuzioni più piccole (500 immagini, 50 epoche su RTX 4090) si completano in meno di un'ora. Vedi gli esempi di costo per stime dettagliate.

Link to this sectionPosso addestrare più modelli contemporaneamente?#

Sì. I limiti di addestramento simultaneo su cloud dipendono dal tuo piano: Free consente 3, Pro ne consente 10, e Enterprise è illimitato. Per un ulteriore addestramento in parallelo, utilizza l'addestramento remoto da più macchine.

Link to this sectionCosa succede se l'addestramento fallisce?#

Se l'addestramento fallisce:

  1. Il modello viene contrassegnato come fallito e l'istanza di calcolo viene terminata
  2. Puoi avviare una nuova esecuzione di addestramento partendo dal modello base
  3. I crediti vengono addebitati solo per il tempo di calcolo completato

Link to this sectionCome scelgo la GPU giusta?#

ScenarioGPU consigliata
La maggior parte dei lavori di addestramentoRTX PRO 6000
Dataset o dimensioni di batch grandiH100 SXM o H200
Attento al budgetRTX 4090

Commenti