Link to this sectionモデルのトレーニング#
Ultralytics Platformは、実験の整理からリアルタイムのメトリクスストリーミングを備えたクラウドトレーニングジョブの実行まで、YOLOモデルをトレーニングするための包括的なツールを提供します。
Watch: Get Started with Ultralytics Platform - Train
Link to this section概要#
トレーニングセクションでは、以下のことができます。
- 整理: モデルをプロジェクトに分類し、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上で実行します
- 監視: 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: 実験全体でモデルのパフォーマンスを比較します
- エクスポート: 19種類以上のデプロイメント形式にエクスポートします(サポートされている形式を参照)

Link to this section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 | ワークスペースを作成して関連するモデルを整理します |
| 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 |
| 監視 | 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 | 19種類以上のデプロイメント形式に変換します(詳細) |
Link to this sectionトレーニングオプション#
Ultralytics Platformは、複数のトレーニング手法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 Cloud GPUでトレーニングします | ローカルGPUが不要で、スケーラビリティに優れています |
| ローカルトレーニング | ローカルでトレーニングし、メトリクスをプラットフォームにストリーミングします | 既存のハードウェアを活用でき、プライバシーが保たれます |
| Colabトレーニング | プラットフォーム統合機能を使用してGoogle Colabを利用します | 無料のGPUアクセス |
Link to this sectionGPUオプション#
Ultralytics Cloudでのクラウドトレーニングで利用可能なGPU:
| GPU | 世代 | VRAM | 時間あたりのコスト | 最適な用途 |
|---|---|---|---|---|
| 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 | より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 4500 | Blackwell | 32 GB | $0.64 | 優れた価格対性能 |
| RTX 4090 | Ada | 24 GB | $0.69 | 最高の価格対性能 |
| 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 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 | 本番環境でのトレーニング |
| A100 SXM | Ampere | 80 GB | $1.49 | 本番環境でのトレーニング |
| RTX PRO 6000 | Blackwell | 96 GB | $1.89 | 推奨のデフォルト |
| H100 PCIe | Hopper | 80 GB | $2.39 | 高性能トレーニング |
| H100 SXM | Hopper | 80 GB | $2.99 | 最速のトレーニング |
| H100 NVL | Hopper | 94 GB | $3.07 | 最大パフォーマンス |
| H200 NVL | Hopper | 143 GB | $3.39 | 最大メモリ |
| H200 SXM | Hopper | 141 GB | $3.99 | 最大パフォーマンス |
| B200 | Blackwell | 180 GB | $5.49 | 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を使用するには、ProまたはEnterpriseプランが必要です。その他のすべてのGPUは、Freeプランを含むすべてのプランで利用可能です。
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。詳細については課金をご確認ください。
Link to this sectionリアルタイムメトリクス#
トレーニング中、以下の3つのサブタブでライブメトリクスを表示できます。
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 | Box/class/DFL loss, mAP50, mAP50-95, precision, recall |
| コンソール | ANSIカラー表示とエラー検出を備えたライブトレーニングログ |
| システム | GPU使用率、メモリ、温度、CPU、ディスク |
クラウドトレーニングでは、ベストモデル(best.pt、最高mAPのチェックポイント)が自動的に保存され、トレーニング完了後にダウンロード、エクスポート、デプロイが可能になります。
Link to this section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する方法:
- サイドバーでプロジェクトを作成
- 新しいモデルをクリック
- モデル、データセット、GPUを選択
- トレーニング開始をクリック
Link to this sectionクイックリンク#
- プロジェクト: モデルと実験の整理
- モデル: トレーニング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でのトレーニング
Link to this sectionよくある質問 (FAQ)#
Link to this sectionトレーニングにはどのくらい時間がかかりますか?#
トレーニング時間は以下に依存します:
- データセットのサイズ(画像数)
- モデルのサイズ (n, s, m, l, x)
- エポック数
- 選択したGPUタイプ
1000枚の画像、YOLO26n、100エポックをRTX PRO 6000でトレーニングする場合、通常5~10分かかります。小規模なトレーニング(500枚の画像、50エポック、RTX 4090使用)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の例を参照してください。
Link to this section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。Freeは3つ、Proは10つ、Enterpriseは無制限です。さらに並列トレーニングを行う場合は、複数のマシンからリモートトレーニングを実行してください。
Link to this section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:
- 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。
- ベースモデルから新しいトレーニング実行を開始できます。
- 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
Link to this section適切なGPUを選ぶには?#
| 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 | RTX 4090 |