Addestramento Modelli
Ultralytics Platform fornisce strumenti completi per l'addestramento di modelli YOLO, dall'organizzazione degli esperimenti all'esecuzione di job di addestramento su cloud con streaming di 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 singolo clic
- Monitorare le metriche in tempo reale durante l'addestramento
- Confrontare le prestazioni dei modelli tra diversi esperimenti
- Esportare in oltre 17 formati di distribuzione (vedi formati supportati)
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 | Crea un workspace per organizzare i modelli correlati |
| Configurazione | Seleziona dataset, modello base e parametri di addestramento |
| Addestramento | Esegui su GPU cloud o sul tuo hardware locale |
| Monitoraggio | Visualizza le curve di loss e le metriche in tempo reale |
| Esportazione | Converti in oltre 17 formati di distribuzione (dettagli) |
Opzioni di addestramento
Ultralytics Platform supporta molteplici approcci di addestramento:
| Metodo | Descrizione | Ideale per |
|---|---|---|
| Addestramento su Cloud | Addestra su GPU cloud di Ultralytics | Nessuna GPU locale, scalabilità |
| Addestramento Locale | Addestra localmente, trasmetti le metriche alla piattaforma | Hardware esistente, privacy |
| Addestramento su Colab | Usa Google Colab con l'integrazione della piattaforma | Accesso GPU gratuito |
Opzioni GPU
GPU disponibili per l'addestramento su cloud su Ultralytics Cloud:
| GPU | Generazione | VRAM | Costo/Ora | Ideale per |
|---|---|---|---|---|
| RTX 2000 Ada | Ada | 16 GB | $0.24 | Piccoli dataset, test |
| RTX A4500 | Ampere | 20 GB | $0.25 | Dataset medio-piccoli |
| 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 batch più grandi |
| RTX 3090 | Ampere | 24 GB | $0.46 | Addestramento generale |
| RTX A6000 | Ampere | 48 GB | $0.49 | Modelli di grandi dimensioni |
| RTX PRO 4500 | Blackwell | 32 GB | $0.64 | Ottimo rapporto prezzo/prestazioni |
| RTX 4090 | Ada | 24 GB | $0.69 | Miglior rapporto prezzo/prestazioni |
| 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 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 | $1.89 | Predefinito consigliato |
| H100 PCIe | Hopper | 80 GB | $2.39 | Addestramento ad alte prestazioni |
| H100 SXM | Hopper | 80 GB | $2.99 | Addestramento più veloce |
| H100 NVL | Hopper | 94 GB | $3.07 | Prestazioni massime |
| H200 NVL | Hopper | 143 GB | $3.39 | Memoria massima |
| H200 SXM | Hopper | 141 GB | $3.99 | Prestazioni massime |
| B200 | Blackwell | 180 GB | $5.49 | Modelli di grandi dimensioni (Pro+) |
| B300 | Blackwell | 288 GB | $7.39 | Modelli più grandi (Pro+) |
Le GPU B200 e B300 richiedono un piano Pro o Enterprise. Tutte le altre GPU sono disponibili in tutti i piani, incluso quello gratuito.
I nuovi account ricevono crediti di registrazione per l'addestramento. Controlla Fatturazione per i dettagli.
Metriche in tempo reale
Durante l'addestramento, visualizza le metriche live su 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| Sottoscheda | Metriche |
|---|---|
| Grafici | Loss Box/class/DFL, mAP50, mAP50-95, precision, recall |
| Console | Log di addestramento live con colori ANSI e rilevamento errori |
| Sistema | Utilizzo GPU, memoria, temperatura, CPU, disco |
Per l'addestramento su cloud, il modello migliore (best.pt, il checkpoint con il mAP più alto) viene salvato automaticamente e reso disponibile per il download, l'esportazione e la distribuzione al termine dell'addestramento.
Guida rapida
Inizia con l'addestramento su cloud in meno di un minuto:
- Crea un progetto nella barra laterale
- Clicca su Nuovo Modello
- Seleziona un modello, un dataset e una GPU
- Clicca su Avvia Addestramento
Link rapidi
- Progetti: Organizza i tuoi modelli ed 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 selezionato
Un tipico ciclo di addestramento con 1000 immagini, YOLO26n, 100 epoche su RTX PRO 6000 richiede circa 2-3 ore. Esecuzioni più piccole (500 immagini, 50 epoche su RTX 4090) si completano in meno di un'ora. Vedi esempi di costo per stime dettagliate.
Posso addestrare più modelli contemporaneamente?
Sì. I limiti per l'addestramento simultaneo su cloud dipendono dal tuo piano: Free ne consente 3, Pro ne consente 10, e Enterprise è illimitato. Per un addestramento parallelo aggiuntivo, usa l'addestramento remoto da più macchine.
Cosa succede se l'addestramento fallisce?
Se l'addestramento fallisce:
- I checkpoint vengono salvati ad ogni epoca
- Puoi riprendere dall'ultimo checkpoint
- I crediti vengono addebitati solo per il tempo di calcolo completato
Come scelgo la GPU giusta?
| Scenario | GPU consigliata |
|---|---|
| La maggior parte dei job di addestramento | RTX PRO 6000 |
| Dataset di grandi dimensioni o batch size | H100 SXM o H200 |
| Attento al budget | RTX 4090 |