모델 학습

Ultralytics Platform은 실험 구성부터 실시간 지표 스트리밍을 통한 클라우드 훈련 작업 실행에 이르기까지 YOLO 모델 훈련을 위한 포괄적인 도구를 제공합니다.

개요

훈련 섹션은 다음을 지원합니다:

• 모델을 프로젝트로 구성하여 더 쉽게 관리
• 클라우드 GPU에서 한 번의 클릭으로 훈련
• 훈련 중 실시간 지표 모니터링
• 실험 간 모델 성능 비교

워크플로우

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

학습 옵션

Ultralytics Platform은 다양한 훈련 접근 방식을 지원합니다:

GPU 옵션

클라우드 훈련에 사용 가능한 GPU:

실시간 지표

학습 중 실시간 지표 보기:

• 손실 곡선: Box, class, DFL 손실
• 성능: mAP50, mAP50-95, 정밀도, 재현율
• 시스템 통계: GPU 활용률, 메모리 사용량
• 체크포인트: 최적 가중치 자동 저장

빠른 링크

• 프로젝트: 모델과 실험을 구성합니다.
• 모델: 학습된 체크포인트 관리
• 클라우드 훈련: 클라우드 GPU에서 훈련합니다.

FAQ

학습은 얼마나 걸리나요?

학습 시간은 다음 요소에 따라 달라집니다:

• 데이터셋 크기 (이미지 수)
• 모델 크기 (n, s, m, l, x)
• 에포크 수
• 선택된 GPU 유형

RTX 4090에서 1000개의 이미지로 YOLO26n 모델을 100 에포크 동안 훈련시키는 일반적인 훈련 실행은 약 30~60분이 소요됩니다.

여러 모델을 동시에 훈련할 수 있나요?

클라우드 학습은 현재 계정당 하나의 동시 학습 작업을 지원합니다. 병렬 학습을 위해서는 여러 머신에서 원격 학습을 사용하세요.

훈련이 실패하면 어떻게 되나요?

학습 실패 시:

1. 체크포인트는 각 에포크마다 저장됩니다.
2. 마지막 체크포인트부터 재개할 수 있습니다.
3. 크레딧은 완료된 컴퓨팅 시간에 대해서만 청구됩니다.

적절한 GPU를 어떻게 선택하나요?

5; 20 전에 생성됨 ✏️ 14 전에 업데이트됨

댓글