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に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)

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:
| GPU | VRAM | 1時間あたりのコスト | 最適な用途 |
|---|---|---|---|
| RTX 2000 Ada | 16ギガバイト | $0.24 | 小規模データセット、テスト |
| RTX A4500 | 20ギガバイト | $0.24 | 中小規模のデータセット |
| RTX A5000 | 24ギガバイト | $0.26 | 中規模データセット |
| RTX 4000 Ada | 20ギガバイト | $0.38 | 中規模データセット |
| L4 | 24ギガバイト | $0.39 | 推論最適化 |
| A40 | 48ギガバイト | $0.40 | より大きなバッチサイズ |
| RTX 3090 | 24ギガバイト | $0.46 | 優れたコストパフォーマンス |
| RTX A6000 | 48ギガバイト | $0.49 | 大型モデル |
| RTX 4090 | 24ギガバイト | $0.59 | 最高のコストパフォーマンス |
| RTX 6000 Ada | 48ギガバイト | $0.77 | 大規模バッチ学習 |
| L40S | 48ギガバイト | $0.86 | 大規模バッチ学習 |
| RTX 5090 | 32ギガバイト | $0.89 | 最新世代 |
| L40 | 48ギガバイト | $0.99 | 大型モデル |
| A100 PCIe | 80ギガバイト | $1.39 | 生産訓練 |
| A100 SXM | 80ギガバイト | $1.49 | 生産訓練 |
| RTX PRO 6000 | 96ギガバイト | $1.89 | 推奨されるデフォルト |
| H100 PCIe | 80ギガバイト | $2.39 | ハイパフォーマンストレーニング |
| H100 SXM | 80ギガバイト | $2.69 | 最速トレーニング |
| H100 NVL | 94 GB | $3.07 | 最大限のパフォーマンス |
| H200 NVL | 143ギガバイト | $3.39 | 最大メモリ |
| H200 SXM | 141ギガバイト | $3.59 | 最大限のパフォーマンス |
| B200 | 180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:
- サイドバーでプロジェクトを作成する
- 新規モデルをクリック
- モデル、データセット、およびGPUを選択してください
- 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",
)
クイックリンク
- プロジェクト: モデルと実験を整理
- モデル: 学習済みチェックポイントの管理
- クラウドトレーニング: クラウドGPUでトレーニング
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:
- チェックポイントは各エポックで保存されます
- 最後のチェックポイントから再開できます
- 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