コンテンツにスキップ

Ultralyticsモダルのクイックスタートガイド

このガイドでは、Modal上でUltralytics Ultralytics 、GPU モデルトレーニングを含め、包括的に解説します。

モーダルとは何ですか？

Modalは、AIおよび機械学習ワークロード向けのサーバーレスクラウドコンピューティングプラットフォームです。プロビジョニング、スケーリング、実行を自動的に処理します。ユーザーはローカルでPython 記述するだけで、Modalがクラウド上でGPU それを実行します。これにより、インフラの管理を必要とせずに、YOLO26のようなディープラーニングモデルを実行するのに最適です。

学習内容

  • モーダルの設定と認証
  • Modal上でYOLO26の推論を実行する
  • GPUを活用して推論を高速化する
  • Modal上でYOLO26モデルを学習させる

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Python .9以降がインストールされていること

インストール

ModalPython インストールし、認証を行います：

pip install modal

modal token new

認証

The modal token new このコマンドを実行すると、Modalアカウントの認証を行うためのブラウザウィンドウが開きます。認証が完了すると、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。

YOLO26の推論を実行する

「」という名前のPython を作成します modal_yolo.py 次のコードで：

"""
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")

推論を実行する：

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状況を監視できます：

モーダル・ダッシュボードの関数呼び出し

GPU を活用した高速な推論

GPU を追加するには、 gpu パラメータ：

@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、小規模モデルの学習
A10G24 GB中程度の難易度のトレーニング業務
A10040 GB大規模な研修
H10080 GB最大限のパフォーマンス

Modal上でYOLO26を学習させる

トレーニングには、GPU Modalを使用してください 巻数 永続ストレージ用。次のような名前の新しいPython を作成します。 train_yolo.py:

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()

ランニングトレーニング：

modal run train_yolo.py

体積の持続性

モーダル・ボリュームは、関数の実行間でもデータを保持します。学習済みの重みは /data/runs/detect/train/weights/.

おめでとうございます！Ultralytics の設定が完了しました。さらに詳しく知りたい場合は：

よくある質問

YOLO26のGPU どのように選べばよいでしょうか？

推論処理には、通常、NVIDIA （16 GB）で十分であり、コストパフォーマンスにも優れています。トレーニングやYOLO26xのような大規模なモデルには、A10GまたはA100 GPUの導入をご検討ください。

ModalでYOLO26を実行するには、どれくらいの費用がかかりますか？

Modalは秒単位の課金体系を採用しています。おおよその料金は以下の通りです：CPU 0.05ドル/時間、T4 約0.59ドル/時間、A10G 約1.10ドル/時間、A100 約2.10ドル/時間。最新の料金については、Modalの料金ページをご確認ください。

自分でトレーニングYOLO を使えますか？

はい！モーダルボリュームからカスタムモデルを読み込みます：

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。



📅 0日前に作成✏️ 0日前に更新
raimbekovm

コメント