Meet YOLO26: next-gen vision AI.

Link to this sectionUltralytics向けModalクイックスタートガイド#

This guide provides a comprehensive introduction to running Ultralytics YOLO26 on Modal, covering serverless GPU inference and model training.

Link to this sectionModalとは何ですか？#

Modal is a serverless cloud computing platform for AI and machine learning workloads. It handles provisioning, scaling, and execution automatically — you write Python code locally and Modal runs it in the cloud with GPU access. This makes it ideal for running deep learning models like YOLO26 without managing infrastructure.

Link to this section学習内容#

  • Modalのセットアップと認証
  • Modal上でのYOLO26推論の実行
  • 推論を高速化するためのGPU使用
  • Modal上でのYOLO26モデルのトレーニング

Link to this section前提条件#

  • Modalアカウント（modal.comで無料登録）
  • ローカルマシンにインストールされたPython 3.9以降

Link to this sectionインストール#

Modal Pythonパッケージをインストールします：

pip install modal

次に、ModalアカウントでCLIを認証します：

modal token new
認証

modal token newコマンドを実行すると、ブラウザウィンドウが開き、Modalアカウントの認証が行われます。認証後、ターミナルからModalコマンドを実行できるようになります。

Link to this sectionYOLO26推論の実行#

modal_yolo.pyという名前の新しいPythonファイルを作成し、以下のコードで推論を実行します：

"""
Modal + Ultralytics YOLO26 Quickstart
Run: modal run modal_yolo.py.
"""

import modal

app = modal.App("ultralytics-yolo")

image = modal.Image.debian_slim(python_version="3.11").apt_install("libgl1", "libglib2.0-0").pip_install("ultralytics")

@app.function(image=image)
def predict(image_url: str):
    """Run YOLO26 inference on an image URL."""
    from ultralytics import YOLO

    model = YOLO("yolo26n.pt")
    results = model(image_url)

    for r in results:
        print(f"Detected {len(r.boxes)} objects:")
        for box in r.boxes:
            print(f"  - {model.names[int(box.cls)]}: {float(box.conf):.2f}")

@app.local_entrypoint()
def main():
    """Test inference with sample image."""
    predict.remote("https://ultralytics.com/images/bus.jpg")

推論を実行します：

modal run modal_yolo.py

期待される出力：

✓ Initialized. View run at https://modal.com/apps/your-username/main/ap-xxxxxxxx
✓ Created objects.
├── 🔨 Created mount modal_yolo.py
└── 🔨 Created function predict.
Downloading https://github.com/ultralytics/assets/releases/download/v8.4.0/yolo26n.pt to 'yolo26n.pt'...
Downloading https://ultralytics.com/images/bus.jpg to 'bus.jpg'...
image 1/1 /root/bus.jpg: 640x480 4 persons, 1 bus, 377.8ms
Speed: 5.8ms preprocess, 377.8ms inference, 0.3ms postprocess per image at shape (1, 3, 640, 480)

Detected 5 objects:
  - bus: 0.92
  - person: 0.91
  - person: 0.91
  - person: 0.87
  - person: 0.53
✓ App completed.

Modalダッシュボードで関数の実行を監視できます：

Modal Dashboard Function Calls

Link to this section推論を高速化するためのGPU使用#

gpuパラメータを指定して関数にGPUを追加します：

@app.function(image=image, gpu="T4")  # Options: "T4", "A10G", "A100", "H100"
def predict_gpu(image_url: str):
    """Run YOLO26 inference on GPU."""
    from ultralytics import YOLO

    model = YOLO("yolo26n.pt")
    results = model(image_url)
    print(results[0].boxes)
GPUメモリ最適な用途
T416 GB推論、小規模モデルのトレーニング
A10G24 GB中規模のトレーニングジョブ
A10040 GB大規模トレーニング
H10080 GB最大パフォーマンス

Link to this sectionModal上でのYOLO26のトレーニング#

トレーニングには、GPUと永続ストレージ用のModalボリュームを使用します。train_yolo.pyという新しいPythonファイルを作成します：

import modal

app = modal.App("ultralytics-training")

volume = modal.Volume.from_name("yolo-training-vol", create_if_missing=True)

image = modal.Image.debian_slim(python_version="3.11").apt_install("libgl1", "libglib2.0-0").pip_install("ultralytics")

@app.function(image=image, gpu="T4", timeout=3600, volumes={"/data": volume})
def train():
    """Train YOLO26 model on Modal."""
    from ultralytics import YOLO

    model = YOLO("yolo26n.pt")
    model.train(data="coco8.yaml", epochs=3, imgsz=640, project="/data/runs")

@app.local_entrypoint()
def main():
    train.remote()

トレーニングを実行します：

modal run train_yolo.py
ボリュームの永続性

Modalボリュームは、関数の実行間でデータを保持します。トレーニング済みの重みは/data/runs/train/weights/に保存されます。

おめでとうございます！これでModal上でUltralytics YOLO26のセットアップが完了しました。さらに学習を進めるには：

Link to this sectionよくある質問 (FAQ)#

Link to this sectionYOLO26のワークロードに適したGPUを選択するにはどうすればよいですか？#

推論の場合、通常はNVIDIA T4 (16 GB)で十分かつコスト効率が良いです。トレーニングやYOLO26xのような大規模モデルの場合は、A10GまたはA100 GPUを検討してください。

Link to this sectionModalでYOLO26を実行するコストはどれくらいですか？#

Modalは秒単位の課金を採用しています。概算料金は、CPU 約$0.05/時間、T4 約$0.59/時間、A10G 約$1.10/時間、A100 約$2.10/時間です。最新の料金についてはModal料金ページをご確認ください。

Link to this section独自のカスタムトレーニング済みYOLOモデルを使用できますか？#

はい、Modalボリュームから重みファイルを読み込むことで、独自のカスタムトレーニング済みYOLOモデルをModal上で実行できます：

model = YOLO("/data/my_custom_model.pt")

カスタムモデルのトレーニングに関する詳細については、トレーニングガイドを参照してください。

コントリビューター
RAraimbekovm2

コメント