Начать

Обучение моделей

Ultralytics Platform предоставляет инструменты для обучения моделей YOLO: от организации экспериментов до запуска облачных заданий обучения с передачей метрик в реальном времени.



Смотри: Начало работы с платформой Ultralytics — обучение

Обзор#

Раздел «Обучение» помогает тебе:

  • Организовывать модели в проекты для удобного управления
  • Обучать модели на облачных GPU одним нажатием
  • Отслеживать метрики в реальном времени во время обучения
  • Сравнивать производительность моделей в разных экспериментах
  • Экспорт в 23 формата развёртывания (см. поддерживаемые форматы)

Обзор обучения в Ultralytics Platform

Рабочий процесс#

ЭтапОписание
ПроектСоздай рабочую область для организации связанных моделей
НастройкаВыбери датасет, базовую модель и параметры обучения
ОбучениеЗапусти обучение на облачных GPU или локальном оборудовании
МониторингПросматривай кривые потерь и метрики в реальном времени
ЭкспортПреобразование в 23 формата развёртывания (подробности)

Варианты обучения#

Ultralytics Platform поддерживает несколько способов обучения:

МетодОписаниеОптимальный вариант для
Обучение в облакеОбучай модели на облачных GPU UltralyticsНет локального GPU, возможность масштабирования
Локальное обучениеОбучай модели локально и передавай метрики на платформуСобственное оборудование, конфиденциальность
Обучение в ColabИспользуй Google Colab с интеграцией платформыБесплатный доступ к GPU
Автоматический выбор GPU

Если ты выбираешь GPU дешевле RTX PRO 6000, а мощности под управлением Ultralytics свободны, платформа запускает задачу на RTX PRO 6000, но начисляет оплату по почасовому тарифу выбранного тобой GPU. Обучение может завершиться быстрее и обойтись дешевле, чем на выбранном GPU; обновление не увеличивает ни время, ни стоимость.

Варианты GPU#

Доступные GPU для облачного обучения в Ultralytics Cloud:

GPUПоколениеВидеопамятьОптимальный вариант для
RTX 2000 AdaAda16 GBНебольшие датасеты, тестирование
RTX A4500Ampere20 GBНебольшие и средние датасеты
RTX A5000Ampere24 GBСредние датасеты
RTX 4000 AdaAda20 GBСредние датасеты
RTX 3090Ampere24 GBОбучение общего назначения
RTX PRO 4000Blackwell24 GBБюджетный вариант Blackwell
L4Ada24 GBОптимизирована для инференса
A40Ampere48 GBБольший размер батча
RTX A6000Ampere48 GBБольшие модели
RTX PRO 4500Blackwell32 GBОтличное соотношение цены и производительности
L40Ada48 GBБольшие модели
RTX 4090Ada24 GBОбучение общего назначения
RTX PRO 5000Blackwell48 GBОбучение с большим размером батча
RTX 6000 AdaAda48 GBОбучение с большим размером батча
L40SAda48 GBОбучение с большим размером батча
RTX 5090Blackwell32 GBПоследнее поколение потребительских GPU
A100 PCIeAmpere80 GBОбучение для production-среды
A100 SXMAmpere80 GBОбучение для production-среды
RTX PRO 6000Blackwell96 GBРекомендуемый вариант по умолчанию
H100 PCIeHopper80 GBВысокопроизводительное обучение
H100 NVLHopper94 GBМаксимальной производительности
H200 NVLHopper143 GBМаксимальный объем памяти
H100 SXMHopper80 GBСамое быстрое обучение
H200 SXMHopper141 GBМаксимальной производительности
B200Blackwell180 GBКрупные модели (Pro+)
B300Blackwell288 GBСамые крупные модели (Pro+)

Текущие почасовые цены указаны в диалоге обучения в списке выбора GPU и на странице с ценами.

Доступ к GPU по тарифам

Для GPU B200 и B300 требуется тариф Pro или Enterprise. Все остальные GPU доступны на всех тарифах, включая Free.

Бонусные кредиты при регистрации

Новые аккаунты получают бонусные кредиты для обучения. Подробности смотри в разделе Оплата.

Метрики в реальном времени#

На вкладке модели Train смотри метрики в реальном времени и доступные результаты валидации:

ПодвкладкаМетрики
МетрикиМетрики задачи (mAP50, mAP50-95, точность и полнота для обнаружения объектов), потери на обучении/валидации, скорость обучения
ВалидацияЗаписанные графики валидации и анализ отдельных изображений, если доступны
КонсольТекущие журналы обучения с цветовой разметкой ANSI и автоматическим обнаружением ошибок
СистемаЗагрузка и температура GPU, память GPU, CPU, RAM, сеть и дисковый ввод-вывод
Автоматические контрольные точки

Лучшая контрольная точка (best.pt, эпоха с наибольшим значением fitness) периодически загружается на платформу во время обучения, а затем ещё раз по завершении задачи. Поэтому для загрузки, экспорта и развёртывания всегда используется лучшая на данный момент эпоха. Если задача отменена, сохраняется последняя контрольная точка, загрузка которой завершилась.

Быстрый старт#

Начни облачное обучение менее чем за минуту:

  1. Создай проект на боковой панели
  2. Нажми New Model
  3. Выбери модель, датасет и GPU
  4. Нажми Start Training
  • Проекты: упорядочивай модели и эксперименты
  • Модели: управление обученными контрольными точками
  • Облачное обучение: обучай модели на облачных GPU
  • AutoTrain: используй Ask AI для запуска экспериментов и сравнения моделей

Часто задаваемые вопросы#

  • Время обучения зависит от:

    • Размера датасета (количества изображений)
    • Размер модели (n, s, m, l, x)
    • Количества эпох
    • Выбранного типа GPU

    Текущая оценка показывает около 6 минут для 1000 изображений, YOLO26n, 100 эпох на RTX PRO 6000 и около 2 минут для 500 изображений, YOLO26n, 50 эпох на RTX 4090. Фактическая длительность может отличаться; используй актуальную оценку в диалоге обучения для выбранного набора данных и конфигурации.

  • Да. Ограничения на одновременное облачное обучение зависят от твоего тарифа: Free позволяет запускать 3 задачи, Pro — 10, а Enterprise не ограничивает их количество. Чтобы запускать больше задач параллельно, используй удалённое обучение на нескольких машинах.

  • Если обучение завершится с ошибкой:

    1. Модель получит статус ошибки, а вычислительный экземпляр будет остановлен
    2. На странице модели отображается баннер ошибки с перехваченным сообщением об ошибке, ссылкой на вывод консоли, а также действиями Диагностировать с помощью ИИ и Повторить обучение (для роли редактора или выше), которое повторно открывает диалог обучения с той же конфигурацией
    3. Если задача не сообщает об активности в течение 4 часов, она автоматически помечается как завершившаяся с ошибкой, а её вычислительные ресурсы освобождаются
    4. Если облачные вычисления уже начались, оплачивается фактическое время работы GPU; за сбои до начала вычислений плата за использование GPU не взимается
  • СценарийРекомендуемый GPU
    Большинство задач обученияRTX PRO 6000
    Большие датасеты или размеры пакетовH100 SXM или H200
    Для тех, кто хочет сэкономитьRTX 4090

Комментарии

Задай вопрос, поделись результатами или помоги кому-нибудь.