コンテンツにスキップ

モデル学習

Ultralytics Platformは、YOLOモデルのトレーニング向けに、実験の整理からリアルタイムメトリクスストリーミングによるクラウドトレーニングジョブの実行まで、包括的なツールを提供します。

概要

トレーニングセクションでは、以下のことが可能です。

  • モデルをプロジェクト整理して管理を容易にする
  • ワンクリックでクラウドGPUでトレーニングする
  • トレーニング中にリアルタイムメトリクスを監視する
  • 実験間でモデルのパフォーマンスを比較する
  • 17種類以上のデプロイ形式へのエクスポート対応形式を参照)

Ultralytics Train 概要

ワークフロー

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
ステージ説明
プロジェクト関連するモデルを整理するためのワークスペースを作成する
設定データセット、ベースモデル、およびトレーニングパラメータを選択する
トレーニングクラウドGPUまたはローカルハードウェアで実行する
監視リアルタイムの損失曲線とメトリクスを表示する
エクスポート17種類以上の展開形式に変換(詳細

トレーニングオプション

Ultralytics Platformは複数のトレーニングアプローチをサポートしています。

メソッド説明最適な用途
クラウドトレーニングUltralytics GPU上でトレーニングローカルGPU不要、スケーラビリティ
地域研修ローカルでトレーニングし、メトリクスをプラットフォームにストリーミングする既存のハードウェア、プライバシー
Colabトレーニングプラットフォーム統合でGoogle を使用する無料GPUアクセス

GPUオプション

Ultralytics Cloudでのクラウドトレーニングに利用可能なGPU:

GPUVRAM1時間あたりのコスト最適な用途
RTX 2000 Ada16ギガバイト$0.24小規模データセット、テスト
RTX A450020ギガバイト$0.24中小規模のデータセット
RTX A500024ギガバイト$0.26中規模データセット
RTX 4000 Ada20ギガバイト$0.38中規模データセット
L424ギガバイト$0.39推論最適化
A4048ギガバイト$0.40より大きなバッチサイズ
RTX 309024ギガバイト$0.46優れたコストパフォーマンス
RTX A600048ギガバイト$0.49大型モデル
RTX 409024ギガバイト$0.59最高のコストパフォーマンス
RTX 6000 Ada48ギガバイト$0.77大規模バッチ学習
L40S48ギガバイト$0.86大規模バッチ学習
RTX 509032ギガバイト$0.89最新世代
L4048ギガバイト$0.99大型モデル
A100 PCIe80ギガバイト$1.39生産訓練
A100 SXM80ギガバイト$1.49生産訓練
RTX PRO 600096ギガバイト$1.89推奨されるデフォルト
H100 PCIe80ギガバイト$2.39ハイパフォーマンストレーニング
H100 SXM80ギガバイト$2.69最速トレーニング
H100 NVL94 GB$3.07最大限のパフォーマンス
H200 NVL143ギガバイト$3.39最大メモリ
H200 SXM141ギガバイト$3.59最大限のパフォーマンス
B200180ギガバイト$4.99最大モデル

登録クレジット

新規アカウントはトレーニング用にサインアップクレジットを受け取ります。詳細は請求情報をご確認ください。

リアルタイムメトリクス

トレーニング中は、3つのサブタブでライブメトリクスを表示します:

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
サブタブメトリクス
チャートボックス/クラス/DFL損失、mAP50、mAP50、精度、再現率
コンソールANSIカラーとエラー検出機能付きライブトレーニングログ
システムGPU 、メモリ、温度、CPU、ディスク

自動チェックポイント

プラットフォームは各エポックごとに自動的にチェックポイントを保存します。最良のモデル(最高mAP)と最終モデルは常に保持されます。

クイックスタート

1分以内にクラウドトレーニングを始めましょう:

  1. サイドバーでプロジェクトを作成する
  2. 新規モデルをクリック
  3. モデル、データセット、およびGPUを選択してください
  4. トレーニングを開始をクリックします
export ULTRALYTICS_API_KEY="your_api_key"
yolo train model=yolo26n.pt data=ul://username/datasets/my-dataset \
  epochs=100 project=username/my-project name=exp1
from ultralytics import YOLO

model = YOLO("yolo26n.pt")
model.train(
    data="ul://username/datasets/my-dataset",
    epochs=100,
    project="username/my-project",
    name="exp1",
)

よくある質問

トレーニングにはどのくらいの時間がかかりますか?

トレーニング時間は以下によって異なります:

  • データセットサイズ (画像数)
  • モデルサイズ (n, s, m, l, x)
  • エポック数
  • 選択されたGPUタイプ

典型的なトレーニング実行(画像1000枚、YOLO26n、RTX PRO 6000で100エポック)は約2~3時間かかります。小規模な実行(画像500枚、RTX 4090で50エポック)は1時間未満で完了します。詳細な見積もりについてはコスト例を参照してください。

複数のモデルを同時にトレーニングできますか?

はい。同時クラウドトレーニングの制限はプランによって異なります:無料プランは3台、プロプランは10台、エンタープライズプランは無制限です。追加の並列トレーニングが必要な場合は、複数マシンからのリモートトレーニングをご利用ください。

トレーニングが失敗した場合はどうなりますか?

トレーニングが失敗した場合:

  1. チェックポイントは各エポックで保存されます
  2. 最後のチェックポイントから再開できます
  3. クレジットは、完了した計算時間に対してのみ課金されます

適切なGPUはどのように選択すればよいですか?

シナリオ推奨GPU
ほとんどの訓練業務RTX PRO 6000
大規模データセットまたはバッチサイズH100 SXM または H200
予算重視RTX 4090


📅 1ヶ月前に作成 ✏️ 5日前に更新
glenn-jochersergiuwaxmann

コメント