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用いたクラウドトレーニングジョブの実行に至るまで、YOLOモデルのトレーニングのための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、以下のことができます。
- 管理を容易にするためにモデルをプロジェクトに整理します
- 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
- 20種類のデプロイメントフォーマットにエクスポートします（サポートされているフォーマットを参照）
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 | 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 | 20種類のデプロイメントフォーマットに変換します（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 |
RTX PRO 6000よりも安価なGPUを選択し、Ultralytics管理の容量が空いている場合、プラットフォームは選択したGPUの時給のままジョブをRTX PRO 6000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、コストも抑えられます。アップグレードによって時間やコストが増加することは一切ありません。
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 4000 | Blackwell | 24 GB | $0.57 | Budget Blackwell |
| 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 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 | $2.09 | 推奨のデフォルト |
| H100 PCIe | Hopper | 80 GB | $2.89 | 高性能トレーニング |
| H100 NVL | Hopper | 94 GB | $3.19 | 最大パフォーマンス |
| 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 | 最大パフォーマンス |
| 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。その他のすべてのGPUは、Free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。詳細は請求をご確認ください。
リアルタイムメトリクス#
トレーニング中、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]:::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 |
|---|---|
| チャート | タスク指標（mAP50、mAP50-95、検出の適合率、再現率）、訓練/検証の損失、学習率 |
| コンソール | ANSIカラーと自動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、GPUメモリと温度、CPU、RAM、ネットワーク、ディスクI/O |
最適なチェックポイント（best.pt、最高適応度のエポック）は、トレーニングの実行中および実行終了時にプラットフォームへ定期的にアップロードされるため、ダウンロード、エクスポート、デプロイでは常にこれまでに生成された最適なエポックを使用できます。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
クイックリンク#
- Projects：モデルと実験を整理します
- モデル: トレーニング済みチェックポイントの管理
- Cloud Training：クラウドGPUでトレーニングを行います
よくある質問 (FAQ)#
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
現在の推定量では、RTX PRO 6000での1000枚の画像、YOLO26n、100エポックのトレーニングに約6分かかり、RTX 4090での500枚の画像、YOLO26n、50エポックのトレーニングに約2分かかります。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構成に対するトレーニングダイアログ内のライブ見積もり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。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。
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。
- モデルページには、キャプチャされたエラーを含むエラーバナー、コンソール出力のリンク、および同じ設定でトレーニングダイアログを再開する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、そのコンピュートは解放されます
- クラウドコンピュートが開始されている場合、経過したGPU時間が課金されます。コンピュート開始前の障害にはGPU使用料はかかりません
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 RTX 4090