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 프로젝트 별로 정리하여 관리하기 쉽게 하십시오
• 클라우드 GPU에서 한 번의 클릭으로 훈련
• 훈련 중 실시간 지표 모니터링
• 실험 간 모델 성능 비교
• 17개 이상의 배포 형식으로 내보내기 ( 지원되는 형식 참조)

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

Ultralytics 에서 클라우드 훈련에 사용 가능한 GPU:

실시간 지표

훈련 중에는 세 개의 하위 탭에서 실시간 메트릭을 확인하세요:

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

빠른 시작

1분 이내에 클라우드 교육을 시작하세요:

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",
)

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 PRO 6000에서 1000개의 이미지로 YOLO26n 모델을 100 에포크 동안 훈련하는 일반적인 작업은 약 2~3시간이 소요됩니다. 더 작은 규모 작업(RTX 4090에서 500개 이미지, 50 에포크)은 1시간 이내에 완료됩니다. 자세한 비용 추정은 비용 예시를 참조하십시오.

여러 모델을 동시에 훈련할 수 있나요?

예. 동시 클라우드 훈련 제한은 요금제에 따라 다릅니다: 무료 요금제는 3회, 프로 요금제는 10회, 엔터프라이즈 요금제는 무제한입니다. 추가 병렬 훈련을 원하시면 여러 대의 머신에서 원격 훈련을 활용하세요.

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; 1 전에 생성됨 ✏️ 4 전에 업데이트됨

댓글