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でのYOLO26推論の実行
  • GPUを使用した推論の高速化
  • Modal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で無料でサインアップできます）
  • 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のPythonパッケージをインストールし、認証を行います：

pip install modal
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アカウントを認証できます。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という新しいPythonファイルを作成し、以下のコードを記述します：

"""
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実行を監視できます：

Modal Dashboard Function Calls

Link to this sectionGPUを使用した推論の高速化#

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メモリ用途
T416 GB推論、小規模なモデルトレーニング
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最高パフォーマンス

Link to this sectionModal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 Volumesを使用します。train_yolo.pyという新しいPythonファイルを作成してください：

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 Volumesは、関数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/detect/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 sectionFAQ#

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)で十分かつ費用対効果が高いです。トレーニングやYOLO26xのようなより大きなモデルの場合は、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は秒単位の従量課金制です。料金の目安：CPUは約$0.05/時間、T4は約$0.59/時間、A10Gは約$1.10/時間、A100は約$2.10/時間です。最新の料金についてはModalの価格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、可能です。Modal Volumeからカスタムモデルをロードしてください：

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。

Contributors
RAraimbekovm1

コメント