Облачное обучение

Ultralytics Cloud Training предлагает обучение с помощью одного щелчка мыши на облачных графических процессорах, что делает обучение моделей доступным без сложной настройки. Обучайте YOLO с потоковой передачей метрик в реальном времени и автоматическим сохранением контрольных точек.

Смотреть: Обучение работе с облачными технологиями на Ultralytics

Поезд из UI

Начните обучение по работе с облаком прямо с платформы:

1. Перейдите к своему проекту
2. Модель поездов Click
3. Настройка параметров обучения
4. Нажмите «Начать обучение»

Шаг 1: Выберите набор данных

Выберите набор данных из ваших загрузок:

Шаг 2: Настройка модели

Выберите базовую модель и параметры:

Шаг 3: Выберите GPU

Выберите вычислительные ресурсы:

Шаг 4: Начните тренировку

Нажмите «Начать обучение», чтобы запустить задание. Платформа:

1. Предоставление GPU
2. Загружает ваш набор данных
3. Начинает обучение
4. Потоковые метрики в режиме реального времени

Обучение мониторингу

Просмотр прогресса обучения в режиме реального времени:

Живые показатели

Контрольные пункты

Контрольные точки сохраняются автоматически:

• Каждая эпоха: последние сохраненные веса
• Лучшая модель: сохраненный mAP с наивысшим mAP
• Окончательная модель: веса по завершении обучения

Остановить и возобновить

Прекратить тренировку

Нажмите «Остановить обучение», чтобы приостановить работу:

• Текущая контрольная точка сохранена
• GPU освобожден
• Кредиты перестают списываться

Возобновить обучение

Продолжить с последней контрольной точки:

1. Перейти к модели
2. Нажмите «Возобновить обучение»
3. Подтвердить продолжение

Дистанционное обучение

Обучайте на своем собственном оборудовании, одновременно передавая метрики на платформу.

pip install "ultralytics>=8.4.0"

Настройка API-ключа

1. Перейдите в «Настройки» > «Ключи API».
2. Создать новый ключ с областью действия «обучение»
3. Установите переменную среды:

export ULTRALYTICS_API_KEY="your_api_key"

Тренируйтесь с помощью потокового вещания

Используйте project и name параметры для потоковой передачи метрик:

yolo train model=yolo11n.pt data=coco.yaml epochs=100 \
  project=username/my-project name=experiment-1

from ultralytics import YOLO

model = YOLO("yolo11n.pt")
model.train(
    data="coco.yaml",
    epochs=100,
    project="username/my-project",
    name="experiment-1",
)

Использование наборов данных платформы

Обучайтесь с помощью наборов данных, хранящихся на платформе:

yolo train model=yolo11n.pt data=ul://username/datasets/my-dataset epochs=100

Параметр ul:// Формат URI автоматически загружает и настраивает ваш набор данных.

Оплата

Стоимость обучения зависит от GPU :

Расчет затрат

Total Cost = GPU Rate × Training Time (hours)

Способы оплаты

Просмотреть расходы на обучение

После обучения просмотрите подробные расходы на вкладке «Выставление счетов »:

• Распределение затрат по эпохам
• Общее GPU
• Скачать отчет о затратах

Советы по тренировкам

Выберите подходящий размер модели

Оптимизируйте время обучения

1. Начните с малого: сначала протестируйте с меньшим количеством эпох
2. Используйте подходящий GPU: подберите GPU моделью/размером пакета
3. Проверка набора данных: обеспечение качества перед обучением
4. Следите за ситуацией на раннем этапе: остановитесь, если показатели достигли плато

Устранение неполадок

Часто задаваемые вопросы

Сколько времени занимает обучение?

Время обучения зависит от:

• Размер набора данных
• Размер модели
• Количество эпох
• GPU

Типичное время (1000 изображений, 100 эпох):

Могу ли я тренироваться ночью?

Да, обучение продолжается до завершения. Вы получите уведомление, когда обучение закончится. Убедитесь, что на вашем счете достаточно средств для эпохального обучения.

Что произойдет, если у меня закончатся кредиты?

Обучение приостанавливается в конце текущего периода. Ваша контрольная точка сохраняется, и вы можете возобновить обучение после добавления кредитов.

Могу ли я использовать пользовательские аргументы обучения?

Да, опытные пользователи могут указать дополнительные аргументы в конфигурации обучения.

Справочник по параметрам обучения

Основные параметры

Параметры скорости обучения

Параметры увеличения

Выбор оптимизатора

📅 Создано 0 дней назад ✏️ Обновлено 0 дней назад

Комментарии