Addestramento su Cloud

Ultralytics Platform Cloud Training offre l'addestramento con un solo clic su GPU su cloud, rendendo l'addestramento del modello accessibile senza configurazioni complesse. Addestra i modelli YOLO con streaming di metriche in tempo reale e salvataggio automatico dei checkpoint.

Addestra dall'interfaccia utente

Avvia l'addestramento cloud direttamente dalla Piattaforma:

1. Naviga al tuo progetto
2. Clicca su Addestra Modello
3. Configura i parametri di addestramento
4. Clicca su Avvia Addestramento

Passaggio 1: Seleziona il Dataset

Scegli un dataset dai tuoi caricamenti:

Passaggio 2: Configura il Modello

Seleziona il modello base e i parametri:

Passaggio 3: Seleziona la GPU

Scegli le tue risorse di calcolo:

Passaggio 4: Avvia l'Addestramento

Clicca su Avvia Addestramento per avviare il tuo lavoro. La piattaforma:

1. Effettua il provisioning di un'istanza GPU
2. Scarica il tuo dataset
3. Inizia l'addestramento
4. Trasmette le metriche in tempo reale

Monitorare l'addestramento

Visualizza l'avanzamento dell'addestramento in tempo reale:

Metriche in tempo reale

Checkpoint

I checkpoint vengono salvati automaticamente:

• Ogni epoca: Pesi più recenti salvati
• Miglior modello: Checkpoint con il mAP più alto preservato
• Modello finale: Pesi al completamento dell'addestramento

Interrompi e riprendi

Interrompere l'addestramento

Clicca su Interrompi Addestramento per mettere in pausa il tuo lavoro:

• Il checkpoint corrente viene salvato
• L'istanza GPU viene rilasciata
• I crediti cessano di essere addebitati

Riprendere l'addestramento

Continua dall'ultimo checkpoint:

1. Vai al modello
2. Fai clic su Riprendi Addestramento
3. Conferma la continuazione

Addestramento remoto

Addestra sul tuo hardware trasmettendo le metriche alla Piattaforma.

pip install "ultralytics>=8.4.0"

Configurazione della chiave API

1. Vai a Impostazioni > Chiavi API
2. Crea una nuova chiave con ambito di addestramento
3. Imposta la variabile d'ambiente:

export ULTRALYTICS_API_KEY="your_api_key"

Addestramento con streaming

Utilizzare il project e name parametri per lo streaming delle metriche:

yolo train model=yolo26n.pt data=coco.yaml epochs=100 \
  project=username/my-project name=experiment-1

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
model.train(
    data="coco.yaml",
    epochs=100,
    project="username/my-project",
    name="experiment-1",
)

Utilizzo dei dataset della piattaforma

Addestra con dataset archiviati sulla Piattaforma:

yolo train model=yolo26n.pt data=ul://username/datasets/my-dataset epochs=100

Il ul:// Il formato URI scarica e configura automaticamente il tuo dataset.

Fatturazione

I costi di addestramento si basano sull'utilizzo della GPU:

Stima dei costi

Prima dell'inizio della formazione, la Piattaforma stima il costo totale sulla base di:

Estimated Cost = Base Time × Model Multiplier × Dataset Multiplier × GPU Speed Factor × GPU Rate

Fattori che incidono sul costo:

Esempi di costi

Sistema di sospensione/regolamento

La Piattaforma utilizza un modello di fatturazione a tutela del consumatore:

1. Stima: costo calcolato prima dell'inizio della formazione
2. Ritenuta: importo stimato + margine di sicurezza del 20% riservato dal saldo
3. Treno: importo riservato indicato come "Riservato" nel saldo
4. Pagamento: al termine, verrà addebitato solo GPU effettivo di utilizzo GPU
5. Rimborso: qualsiasi importo in eccesso verrà automaticamente restituito al tuo saldo.

Metodi di pagamento

Visualizzare i costi di addestramento

Dopo l'addestramento, visualizza i costi dettagliati nella scheda Fatturazione:

• Ripartizione dei costi per epoca
• Tempo totale della GPU
• Scarica il report dei costi

Suggerimenti per l'addestramento

Scegliere la dimensione del modello giusta

Ottimizzare il tempo di addestramento

1. Inizia in piccolo: Testa prima con meno epoche
2. Usa la GPU appropriata: Abbina la GPU al modello/dimensione del batch
3. Convalida il dataset: Assicurati della qualità prima dell'addestramento
4. Monitora precocemente: Interrompi se le metriche si stabilizzano

Risoluzione dei problemi

FAQ

Quanto tempo richiede l'addestramento?

Il tempo di addestramento dipende da:

• Dimensione del dataset
• Dimensione del modello
• Numero di epoche
• GPU selezionata

Tempi tipici (1000 immagini, 100 epoche):

Posso addestrare durante la notte?

Sì, l'addestramento continua fino al completamento. Riceverai una notifica al termine dell'addestramento. Assicurati che il tuo account abbia un saldo sufficiente per l'addestramento basato su epoche.

Cosa succede se esaurisco i crediti?

L'addestramento si interrompe alla fine dell'epoca corrente. Il tuo checkpoint viene salvato e puoi riprendere dopo aver aggiunto crediti.

Posso utilizzare argomenti di addestramento personalizzati?

Sì, gli utenti avanzati possono specificare argomenti aggiuntivi nella configurazione di addestramento.

Riferimento ai parametri di addestramento

Parametri principali

Parametri del tasso di apprendimento

Parametri di Augmentation

Selezione dell'ottimizzatore

📅 Creato 20 giorni fa ✏️ Aggiornato 14 giorni fa

Commenti