モデルのトレーニング#
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のストリーミングを伴う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。
Watch: Get Started with Ultralytics Platform - Train
概要#
トレーニングセクションでは、次のことができます。
- 整理 モデルをプロジェクトにまとめて、管理を容易にします
- トレーニング ワンクリックでクラウドGPU上でトレーニングします
- モニタリング トレーニング中のリアルタイムメトリクスを監視します
- 比較 実験間でモデルのパフォーマンスを比較します
- エクスポート 20種類のデプロイ形式に変換します（対応形式を参照）
ワークフロー#
graph LR
A[📁 Project]:::start --> B[⚙️ Configure]:::proc
B --> C[🚀 Train]:::proc
C --> D[📈 Monitor]:::proc
D --> E[📦 Export]:::out
classDef start fill:#4CAF50,color:#fff
classDef proc fill:#2196F3,color:#fff
classDef out fill:#9C27B0,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します |
| 設定 | データセット、ベースモデル、トレーニングパラメータを選択します |
| トレーニング | クラウドGPUまたはローカルハードウェア上で実行します |
| モニタリング | リアルタイムの損失曲線とメトリクスを表示します |
| エクスポート | 20種類のデプロイ形式に変換します（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方法に対応しています。
| メソッド | 説明 | 適した用途 |
|---|---|---|
| クラウドトレーニング | Ultralytics CloudのGPU上でトレーニングします | ローカルGPUが不要、スケーラビリティ |
| ローカルトレーニング | ローカルでトレーニングし、メトリクスをPlatformにストリーミングします | 既存のハードウェア、プライバシー |
| Colabトレーニング | Platformとの統合によりGoogle Colabを使用します | 無料のGPUアクセス |
RTX PRO 6000より安価なGPUを選択し、Ultralyticsが管理するキャパシティに空きがある場合、Platformは選択したGPUの時間単価で請求しながら、ジョブをRTX PRO 6000上で実行します。選択したGPUで実行する場合よりも早く完了し、コストも抑えられる可能性があります。このアップグレードによって時間やコストが増えることはありません。
GPUオプション#
Ultralytics Cloudでのクラウドトレーニングに利用できるGPU：
| GPU | 世代 | VRAM | コスト/時間 | 適した用途 |
|---|---|---|---|---|
| RTX 2000 Ada | Ada | 16 GB | $0.24 | 小規模データセット、テスト |
| RTX A4500 | Ampere | 20 GB | $0.25 | 小～中規模データセット |
| RTX 4000 Ada | Ada | 20 GB | $0.26 | 中規模データセット |
| RTX A5000 | Ampere | 24 GB | $0.27 | 中規模データセット |
| L4 | Ada | 24 GB | $0.39 | 推論に最適化 |
| A40 | Ampere | 48 GB | $0.44 | 大きなバッチサイズ |
| RTX 3090 | Ampere | 24 GB | $0.46 | 一般的なトレーニング |
| RTX A6000 | Ampere | 48 GB | $0.49 | 大規模モデル |
| RTX PRO 4000 | Blackwell | 24 GB | $0.57 | 低コストのBlackwell |
| RTX PRO 4500 | Blackwell | 32 GB | $0.64 | 価格性能比に優れる |
| RTX 4090 | Ada | 24 GB | $0.69 | 最高の価格性能比 |
| RTX 6000 Ada | Ada | 48 GB | $0.77 | 大規模バッチトレーニング |
| L40S | Ada | 48 GB | $0.86 | 大規模バッチトレーニング |
| RTX PRO 5000 | Blackwell | 48 GB | $0.96 | 大規模バッチトレーニング |
| RTX 5090 | Blackwell | 32 GB | $0.99 | 最新のコンシューマー世代 |
| L40 | Ada | 48 GB | $0.99 | 大規模モデル |
| A100 PCIe | Ampere | 80 GB | $1.39 | 本番環境向けトレーニング |
| A100 SXM | Ampere | 80 GB | $1.49 | 本番環境向けトレーニング |
| RTX PRO 6000 | Blackwell | 96 GB | $2.09 | 推奨デフォルト |
| H100 PCIe | Hopper | 80 GB | $2.89 | 高性能トレーニング |
| H100 NVL | Hopper | 94 GB | $3.19 | 最高のパフォーマンス |
| H100 SXM | Hopper | 80 GB | $3.29 | 最速のトレーニング |
| H200 NVL | Hopper | 143 GB | $3.39 | 最大メモリ |
| H200 SXM | Hopper | 141 GB | $4.39 | 最高のパフォーマンス |
| B200 | Blackwell | 180 GB | $5.89 | 大規模モデル（Pro+） |
| B300 | Blackwell | 288 GB | $7.39 | 最大規模モデル（Pro+） |
B200およびB300 GPUには、ProまたはEnterpriseプランが必要です。その他すべてのGPUは、Freeを含むすべてのプランで利用できます。
新規アカウントには、トレーニング用のサインアップクレジットが付与されます。詳細はBilling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確認できます。
graph LR
A[Charts]:::start --> B[Loss Curves]:::out
A --> C[Task Metrics]:::out
D[Console]:::start --> E[Live Logs]:::out
D --> F[Error Detection]:::out
G[System]:::start --> H[GPU, CPU & Memory]:::out
G --> I[Network & Disk I/O]:::out
classDef start fill:#4CAF50,color:#fff
classDef out fill:#9C27B0,color:#fff| サブタブ | メトリクス |
|---|---|
| Charts | タスクメトリクス（検出の場合はmAP50、mAP50-95、precision、recall）、train/val損失、学習率 |
| コンソール | ANSIカラー対応のライブトレーニングログと自動エラー検出 |
| システム | GPU使用率、GPUメモリと温度、CPU、RAM、ネットワーク、ディスクI/O |
最高のチェックポイント（best.pt、fitnessが最も高いエポック）は、トレーニング実行中に定期的にPlatformへアップロードされ、実行終了時にも再度アップロードされます。そのため、ダウンロード、エクスポート、デプロイでは常に、それまでに生成された中で最良のエポックが使用されます。キャンセルされた実行では、アップロードが完了した最後のチェックポイントが保持されます。
クイックスタート#
1分以内にクラウドトレーニングを開始できます。
- サイドバーでプロジェクトを作成します
- New Modelをクリックします
- モデル、データセット、GPUを選択します
- Start Trainingをクリックします
クイックリンク#
- プロジェクト：モデルと実験を整理します
- Models：トレーニング済みチェックポイントを管理します
- クラウドトレーニング：クラウドGPUでトレーニングします
- AutoTrain: Ask AIを使用して実験を実行し、モデルを比較します
FAQ#
トレーニング時間は次の要因によって異なります。
- データセットのサイズ（画像数）
- モデルサイズ（n、s、m、l、x）
- エポック数
- 選択したGPUの種類
現在の推定では、RTX PRO 6000上で画像1,000枚、YOLO26n、100エポックの場合は約6分、RTX 4090上で画像500枚、YOLO26n、50エポックの場合は約2分です。実際の所要時間は変動するため、選択したデータセットと設定については、トレーニングダイアログに表示されるライブ推定値を使用してください。コストの例を参照してください。
はい。クラウドトレーニングの同時実行数の上限はプランによって異なります。Freeでは3件、Proでは10件、Enterpriseでは無制限です。さらに並列でトレーニングする場合は、複数のマシンからリモートトレーニングを使用してください。
トレーニングに失敗した場合：
- モデルは失敗としてマークされ、コンピュートインスタンスは終了します
- モデルページには、記録されたエラーを含むエラーバナー、コンソール出力へのリンク、および同じ設定でトレーニングダイアログを再度開くRetryアクションが表示されます
- 数時間にわたってアクティビティの報告が停止した実行は、自動的に失敗としてマークされ、コンピュートが解放されます
- クラウドコンピュートが開始されていた場合は、経過したGPU時間に対して課金されます。コンピュート開始前の失敗にはGPU使用料金はかかりません
シナリオ 推奨GPU ほとんどのトレーニングジョブ RTX PRO 6000 大規模なデータセットまたはバッチサイズ H100 SXMまたはH200 予算を重視する場合 RTX 4090