Acelerar projetos YOLO26 com o Google Colab
Muitos programadores não dispõem dos recursos computacionais necessários para criar modelos de aprendizagem profunda. A aquisição de hardware topo de gama ou o aluguer de uma GPU razoável pode ser dispendioso. O Google Colab oferece uma alternativa: uma plataforma baseada no navegador para trabalhar com grandes conjuntos de dados, desenvolver modelos complexos e partilhar o teu trabalho com outras pessoas a um custo reduzido ou sem custos.
Assista: Como treinar modelos Ultralytics YOLO26 no seu conjunto de dados personalizado no Google Colab.
Podes utilizar o Google Colab para trabalhar em projetos relacionados com modelos Ultralytics YOLO26. O ambiente intuitivo do Google Colab é adequado para o desenvolvimento e a experimentação com modelos. Este guia apresenta o Google Colab, as suas principais funcionalidades e a forma de o utilizar para treinar modelos YOLO26.
Google Colaboratory#
O Google Colaboratory, conhecido habitualmente como Google Colab, foi desenvolvido pelo Google Research em 2017. É um ambiente Jupyter Notebook gratuito, online e baseado na nuvem, que te permite treinar modelos de aprendizagem automática e aprendizagem profunda em CPUs, GPUs e TPUs. A Google desenvolveu o Colab para apoiar a investigação e a educação em IA e incentivar a utilização de serviços na nuvem.
Podes usar o Google Colab independentemente das especificações e configurações do teu computador local. Só precisas de uma conta Google e de um navegador.
Treinar YOLO26 com o Google Colaboratory#
Treinar modelos YOLO26 no Google Colab é simples. Podes aceder ao Notebook YOLO26 do Google Colab e começar imediatamente a treinar o teu modelo. Para compreenderes em detalhe o processo de treino do modelo e as práticas recomendadas, consulta o nosso guia de treino de modelos YOLO26.
Dúvidas frequentes ao trabalhar com o Google Colab#
Ao trabalhar com o Google Colab, poderás ter algumas dúvidas frequentes:
P: Porque é que a minha sessão do Google Colab expira? R: As sessões do Google Colab podem expirar por inatividade, especialmente para utilizadores gratuitos, que têm uma duração de sessão limitada.
P: Posso prolongar a duração da sessão no Google Colab? R: Os utilizadores gratuitos têm limites, mas o Google Colab Pro oferece sessões mais longas.
P: O que devo fazer se a minha sessão terminar inesperadamente? R: Guarda regularmente o teu trabalho no Google Drive ou no GitHub para evitar perder o progresso que não foi guardado.
P: Como posso verificar o estado da sessão e o uso de recursos? R: O Colab apresenta as métricas «Uso de RAM» e «Uso de disco» na interface para monitorizares os teus recursos.
P: Posso executar várias sessões do Colab ao mesmo tempo? R: Sim, mas tem cuidado com o uso de recursos para evitar problemas de desempenho.
P: O acesso à GPU no Google Colab tem limitações? R: Sim, o acesso gratuito à GPU tem limitações, mas o Google Colab Pro oferece opções de utilização mais amplas.
Principais funcionalidades do Google Colab#
Eis algumas das funcionalidades que tornam o Google Colab popular em projetos de aprendizagem automática:
-
Suporte a bibliotecas: o Google Colab inclui bibliotecas pré-instaladas para análise de dados e aprendizagem automática, e permite instalar outras bibliotecas conforme necessário. Também é compatível com várias bibliotecas para criar gráficos e visualizações interativas.
-
Recursos de hardware: Também podes alternar entre diferentes opções de hardware alterando as definições do ambiente de execução, como indicado abaixo. O Google Colab dá acesso a GPUs como NVIDIA T4, L4 e A100, além de TPUs, circuitos especializados concebidos especificamente para tarefas de aprendizagem automática.

-
Colaboração: O Google Colab facilita o trabalho com outros programadores. Podes partilhar os teus notebooks com outras pessoas e editá-los em conjunto, em tempo real.
-
Ambiente personalizado: os utilizadores podem instalar dependências, configurar o sistema e executar comandos da shell diretamente no notebook.
-
Recursos educativos: o Google Colab oferece uma variedade de tutoriais e notebooks de exemplo para ajudar os utilizadores a aprender e explorar várias funcionalidades.
Por que deves usar o Google Colab nos teus projetos YOLO26?#
Existem várias opções para treinar e avaliar modelos YOLO26. O Google Colab oferece as seguintes vantagens:
-
Configuração zero: como o Colab é executado na nuvem, os utilizadores podem começar a treinar modelos imediatamente, sem precisarem de configurar ambientes complexos. Basta criar uma conta e começar a programar.
-
Suporte a formulários: permite aos utilizadores criar formulários para introduzir parâmetros, facilitando a experimentação com diferentes valores.
-
Integração com o Google Drive: O Colab integra-se com o Google Drive para simplificar o armazenamento, o acesso e a gestão de dados. Podes guardar e obter conjuntos de dados e modelos diretamente no Google Drive.
-
Suporte a Markdown: podes usar o formato Markdown para melhorar a documentação nos notebooks.
-
Execução agendada: os programadores podem configurar notebooks para serem executados automaticamente em horários específicos.
-
Extensões e widgets: o Google Colab permite adicionar funcionalidades através de extensões de terceiros e widgets interativos.
Dicas para trabalhar com YOLO26 no Google Colab#
Para tirares o máximo partido do Google Colab ao trabalhar com modelos YOLO26, considera estas dicas práticas:
- Ativa a aceleração por GPU: ativa sempre a aceleração por GPU nas definições de runtime para acelerar significativamente o treino.
- Mantém uma ligação estável: como o Colab é executado na nuvem, certifica-te de que tens uma ligação estável à Internet para evitar interrupções durante o treino.
- Organiza os teus ficheiros: guarda os teus conjuntos de dados e modelos no Google Drive ou no GitHub para facilitar o acesso e a gestão no Colab.
- Otimizar o uso da memória: Se você encontrar limitações de memória no plano gratuito, tente reduzir o tamanho da imagem ou do lote durante o treinamento.
- Salvar regularmente: Devido aos limites de tempo das sessões do Colab, salve seu modelo e seus resultados com frequência para evitar perder o progresso.
Continue aprendendo sobre o Google Colab#
Se você quiser se aprofundar no Google Colab, confira estes recursos que podem ajudar.
-
Treinar conjuntos de dados personalizados com o Ultralytics YOLO no Google Colab: Aprende a treinar conjuntos de dados personalizados com o Ultralytics YOLO no Google Colab. Esta publicação do blogue explica todo o processo, desde a configuração inicial até às fases de treino e avaliação.
-
Segmentação de imagens com Ultralytics YOLO no Google Colab: Descobre como realizar tarefas de segmentação de imagens usando Ultralytics YOLO no ambiente do Google Colab, com exemplos práticos que usam conjuntos de dados como o Roboflow Carparts Segmentation Dataset.
-
Notebooks selecionados: Aqui você pode explorar uma série de notebooks organizados e educativos, cada um agrupado por áreas temáticas específicas.
-
Página do Google Colab no Medium: Aqui você encontra tutoriais, atualizações e contribuições da comunidade que podem ajudar a entender e usar melhor esta ferramenta.
Resumo#
Este guia mostrou como experimentar modelos Ultralytics YOLO26 no Google Colab. Tal como o Kaggle e o treino na nuvem da Ultralytics Platform, o Google Colab permite-te treinar e avaliar modelos em GPUs na nuvem com apenas alguns cliques, sendo uma plataforma acessível para programadores sem hardware topo de gama.
Para mais detalhes, acesse a página de perguntas frequentes do Google Colab.
Perguntas frequentes#
Para começar a treinar modelos Ultralytics YOLO26 no Google Colab, faça login na sua conta do Google e acesse o notebook YOLO26 do Google Colab. Este notebook orienta você durante a configuração e o processo de treinamento. Depois de abrir o notebook, execute as células passo a passo para treinar seu modelo. Para ver o guia completo, consulte o guia de treinamento de modelos YOLO26.
O Google Colab oferece várias vantagens para treinar modelos YOLO26:
- Nenhuma configuração necessária: Não é preciso configurar o ambiente inicialmente; basta fazer login e começar a programar.
- Acesso gratuito a GPUs: Use GPUs ou TPUs potentes sem precisar de hardware caro.
- Integração com o Google Drive: Armazene e acesse conjuntos de dados e modelos com facilidade.
- Colaboração: Compartilhe notebooks e colabore com outras pessoas em tempo real.
Para saber mais sobre os motivos para usar o Google Colab, consulte o guia de treinamento e acesse a página do Google Colab.
As sessões do Google Colab expiram devido à inatividade, sobretudo para os utilizadores gratuitos. Para lidar com esta situação:
- Mantenha-se ativo: Interaja regularmente com seu notebook do Colab.
- Salve o progresso: Salve continuamente seu trabalho no Google Drive ou no GitHub.
- Colab Pro: Considere fazer upgrade para o Google Colab Pro para ter sessões mais longas.
Para mais dicas sobre como gerenciar sua sessão do Colab, acesse a página de perguntas frequentes do Google Colab.
Sim, você pode usar conjuntos de dados personalizados para treinar modelos YOLO26 no Google Colab. Envie seu conjunto de dados para o Google Drive e carregue-o diretamente no notebook do Colab. Você pode seguir o guia de Nicolai no YouTube, Como treinar modelos YOLO26 com seu conjunto de dados personalizado.
Se sua sessão de treinamento no Google Colab for interrompida:
- Salve regularmente: Evite perder o progresso não salvo, salvando seu trabalho regularmente no Google Drive ou no GitHub.
- Retome o treinamento: Reinicie sua sessão, carregue o checkpoint
last.ptda execução interrompida e continue commodel.train(resume=True)(consulte Como retomar treinamentos interrompidos). - Use checkpoints: Salve o diretório de treinamento
projectno Google Drive para quelast.ptpermaneça disponível se o ambiente de execução for desconectado e usesave_periodpara manter checkpoints periódicos por época.
Essas práticas ajudam a garantir que seu progresso esteja protegido. Saiba mais sobre o gerenciamento de sessões na página de perguntas frequentes do Google Colab.
Comentários
Faz uma pergunta, partilha os teus resultados ou ajuda alguém.