Treinamento na Nuvem

Ultralytics Platform Cloud Training oferece treinamento com um clique em GPUs em nuvem, tornando o treinamento de modelos acessível sem configurações complexas. Treine modelos YOLO com transmissão de métricas em tempo real e salvamento automático de checkpoints.

Treinar a partir da UI

Inicie o treinamento em nuvem diretamente da Plataforma:

1. Navegue até seu projeto
2. Clique em Treinar Modelo
3. Configure os parâmetros de treinamento
4. Clique em Iniciar Treinamento

Passo 1: Selecionar Conjunto de Dados

Escolha um conjunto de dados dos seus uploads:

Passo 2: Configurar Modelo

Selecione o modelo base e os parâmetros:

Passo 3: Selecionar GPU

Escolha seus recursos de computação:

Passo 4: Iniciar Treino

Clique em Iniciar Treinamento para iniciar seu trabalho. A Plataforma:

1. Provisiona uma instância de GPU
2. Baixa seu conjunto de dados
3. Inicia o treinamento
4. Transmite métricas em tempo real

Monitorar Treinamento

Visualize o progresso do treinamento em tempo real:

Métricas em Tempo Real

Pontos de Controlo

Os checkpoints são salvos automaticamente:

• A cada época: Pesos mais recentes salvos
• Melhor modelo: Checkpoint com o maior mAP preservado
• Modelo final: Pesos ao término do treinamento

Parar e Retomar

Parar Treino

Clique em Parar Treinamento para pausar seu trabalho:

• O checkpoint atual é salvo
• A instância de GPU é liberada
• Os créditos param de ser cobrados

Retomar Treino

Continuar do seu último checkpoint:

1. Navegue até o modelo
2. Clique em Retomar Treinamento
3. Confirme a continuação

Treinamento Remoto

Treine em seu próprio hardware enquanto transmite métricas para a Plataforma.

pip install "ultralytics>=8.4.0"

Configurar Chave API

1. Vá para Configurações > Chaves de API
2. Crie uma nova chave com escopo de treinamento
3. Defina a variável de ambiente:

export ULTRALYTICS_API_KEY="your_api_key"

Treinar com Streaming

Use o comando project e name parâmetros para transmitir métricas:

yolo train model=yolo26n.pt data=coco.yaml epochs=100 \
  project=username/my-project name=experiment-1

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
model.train(
    data="coco.yaml",
    epochs=100,
    project="username/my-project",
    name="experiment-1",
)

Utilizar Conjuntos de Dados da Plataforma

Treine com conjuntos de dados armazenados na Plataforma:

yolo train model=yolo26n.pt data=ul://username/datasets/my-dataset epochs=100

O ul:// O formato URI baixa e configura automaticamente seu conjunto de dados.

Faturamento

Os custos de treinamento são baseados no uso da GPU:

Estimativa de custos

Antes do início da formação, a Plataforma estima o custo total com base em:

Estimated Cost = Base Time × Model Multiplier × Dataset Multiplier × GPU Speed Factor × GPU Rate

Fatores que afetam o custo:

Exemplos de custos

Sistema de retenção/liquidação

A Plataforma utiliza um modelo de faturação de proteção ao consumidor:

1. Estimativa: Custo calculado antes do início da formação
2. Retenção: Montante estimado + margem de segurança de 20% reservada do saldo
3. Comboio: Montante reservado apresentado como «Reservado» no seu saldo
4. Liquidação: Após a conclusão, cobrado apenas pelo GPU real GPU utilizado
5. Reembolso: Qualquer excedente será automaticamente devolvido ao seu saldo

Métodos de Pagamento

Ver Custos de Treino

Após o treinamento, visualize os custos detalhados na aba Faturamento:

• Detalhamento de custo por época
• Tempo total de GPU
• Baixar relatório de custos

Dicas de Treino

Escolher o Tamanho Certo do Modelo

Otimizar Tempo de Treino

1. Comece pequeno: Teste com menos épocas primeiro
2. Use a GPU apropriada: Combine a GPU com o modelo/tamanho do lote
3. Valide o conjunto de dados: Garanta a qualidade antes do treinamento
4. Monitore cedo: Pare se as métricas estabilizarem

Resolução de Problemas

FAQ

Quanto tempo leva o treinamento?

O tempo de treinamento depende de:

• Tamanho do dataset
• Tamanho do modelo
• Número de épocas
• GPU selecionada

Tempos típicos (1000 imagens, 100 épocas):

Posso treinar durante a noite?

Sim, o treinamento continua até a conclusão. Você receberá uma notificação quando o treinamento terminar. Certifique-se de que sua conta tenha saldo suficiente para o treinamento baseado em épocas.

O que acontece se eu ficar sem créditos?

O treinamento pausa no final da época atual. Seu checkpoint é salvo, e você pode retomar após adicionar créditos.

Posso usar argumentos de treino personalizados?

Sim, utilizadores avançados podem especificar argumentos adicionais na configuração de treino.

Referência de Parâmetros de Treinamento

Parâmetros Essenciais

Parâmetros da Taxa de Aprendizagem

Parâmetros de Aumento de Dados

Seleção do Otimizador

📅 Criado há 20 dias ✏️ Atualizado há 14 dias

Comentários