Treinamento de Modelos
Ultralytics Platform oferece ferramentas abrangentes para o treinamento de modelos YOLO, desde a organização de experimentos até a execução de trabalhos de treinamento na nuvem com transmissão de métricas em tempo real.
Visão geral
A seção de Treinamento ajuda você a:
- Organizar modelos em projetos para um gerenciamento mais fácil
- Treinar em GPUs na nuvem com um único clique
- Monitorar métricas em tempo real durante o treinamento
- Comparar o desempenho do modelo entre experimentos
Fluxo de Trabalho
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| Etapa | Descrição |
|---|---|
| Projeto | Criar um espaço de trabalho para organizar modelos relacionados |
| Configurar | Selecionar conjunto de dados, modelo base e parâmetros de treinamento |
| Treinar | Executar em GPUs na nuvem ou no seu hardware local |
| Monitorar | Visualizar curvas de perda e métricas em tempo real |
| Exportar | Converter para 17 formatos de implantação |
Opções de Treinamento
Ultralytics Platform suporta múltiplas abordagens de treinamento:
| Método | Descrição | Ideal Para |
|---|---|---|
| Treinamento na Nuvem | Treinar em GPUs na nuvem da Platform | Sem GPU local, escalabilidade |
| Treinamento Remoto | Treinar localmente, transmitir métricas para a Platform | Hardware existente, privacidade |
| Treinamento no Colab | Usar Google Colab com integração com a Platform | Acesso gratuito à GPU |
Opções de GPU
GPUs disponíveis para treinamento em nuvem:
| Nível | GPU | VRAM | Custo/Hora | Ideal Para |
|---|---|---|---|---|
| Orçamento | RTX A2000 | 6 GB | $0.12 | Pequenos conjuntos de dados, testes |
| Orçamento | RTX 3080 | 10 GB | $0.25 | Conjuntos de dados médios |
| Orçamento | RTX 3080 Ti | 12 GB | $0.30 | Conjuntos de dados médios |
| Orçamento | A30 | 24 GB | $0.44 | Lotes maiores |
| Meio | L4 | 24 GB | $0.54 | Inferência otimizada |
| Meio | RTX 4090 | 24 GB | $0.60 | Excelente relação preço/desempenho |
| Meio | A6000 | 48 GB | $0.90 | Modelos grandes |
| Meio | L40S | 48 GB | $1.72 | Treinamento em grandes lotes |
| Pro | A100 40GB | 40 GB | $2.78 | Formação em produção |
| Pro | A100 80GB | 80 GB | $3.44 | Modelos muito grandes |
| Pro | RTX PRO 6000 | 48 GB | $3.68 | Ultralytics |
| Pro | H100 | 80 GB | $5.38 | Treino mais rápido |
| Empresarial | H200 | 141 GB | $5.38 | Desempenho máximo |
| Empresarial | B200 | 192 GB | $10.38 | Modelos maiores |
Créditos de inscrição
As novas contas recebem créditos de inscrição para formação. Consulte Faturação para obter mais detalhes.
Métricas em Tempo Real
Durante o treinamento, visualize métricas em tempo real:
- Curvas de Perda: Perda de Box, classe e DFL
- Desempenho: mAP50, mAP50-95, precisão, revocação
- Estatísticas do Sistema: Utilização da GPU, uso de memória
- Checkpoints: Salvamento automático dos melhores pesos
Links Rápidos
- Projetos: Organize seus modelos e experimentos
- Modelos: Gerenciar checkpoints treinados
- Treinamento na Nuvem: Treine em GPUs na nuvem
FAQ
Quanto tempo leva o treinamento?
O tempo de treinamento depende de:
- Tamanho do dataset (número de imagens)
- Tamanho do modelo (n, s, m, l, x)
- Número de épocas
- Tipo de GPU selecionado
Um treino típico com 1000 imagens, YOLO26n, 100 épocas no RTX 4090 leva cerca de 30 a 60 minutos.
Posso treinar múltiplos modelos simultaneamente?
O treinamento na nuvem atualmente suporta um trabalho de treinamento simultâneo por conta. Para treinamento paralelo, use o treinamento remoto a partir de várias máquinas.
O que acontece se o treinamento falhar?
Se o treinamento falhar:
- Checkpoints são salvos a cada época
- Você pode retomar do último checkpoint
- Os créditos são cobrados apenas pelo tempo de computação concluído
Como escolho a GPU correta?
| Cenário | GPU Recomendada |
|---|---|
| Small datasets (<5000 images) | RTX 4090 |
| Datasets médios (5000-50000 imagens) | A100 40GB |
| Datasets grandes ou tamanhos de batch | A100 80GB ou H100 |
| Com foco no orçamento | RTX 3090 |
