Обучение в облаке#

Ultralytics Platform предлагает обучение в облаке одним нажатием на облачных GPU, делая обучение моделей доступным без сложной настройки. Обучай модели YOLO с потоковой передачей метрик в реальном времени и автоматическим сохранением чекпоинтов.

Диалог обучения#

Начни обучение в интерфейсе платформы: нажми Новая модель на странице любого проекта или датасета. В диалоге обучения есть две вкладки: Обучение в облаке и Локальное обучение. Если выбранный датасет находится на хосте локального размещения, первая вкладка называется Локальное размещение, а вкладка «Локальное обучение» скрыта — такой датасет можно обучать только на собственном хосте. Для этого нужны план Enterprise и подключённый активный воркер.

Для каждой задачи датасета и рабочего пространства в текущем браузере диалог запоминает базовую модель и все нестандартные параметры, установленные при последнем закрытии, и восстанавливает их при следующем открытии для этой задачи. Выбор GPU не сохраняется, а команда Повторить обучение для неудачного запуска восстанавливает аргументы именно этого запуска.

Шаг 1. Выбери базовую модель#

Выбери официальную модель Ultralytics или одну из своих завершённых моделей:

В каждой вкладке модели сгруппированы по задачам в каноническом порядке и отсортированы по размеру. В обеих вкладках отображаются только модели, чья задача позволяет обучать выбранный датасет. Для YOLO26 доступны варианты задач обнаружение, сегментация, семантическая сегментация, оценка глубины, классификация, оценка позы и OBB — от nano до xlarge.

Шаг 2. Выбери датасет#

Выбери датасет для обучения (см. раздел Датасеты):

Шаг 3. Настрой параметры#

Задай основные параметры обучения:

Значения, выходящие за допустимый диапазон параметра, автоматически ограничиваются при потере фокуса полем.

Шаг 4. Дополнительные настройки (необязательно)#

Разверни раздел Дополнительные настройки, чтобы открыть редактор параметров на основе YAML. В разделах Настройки обучения и Аугментации изображений доступны более 50 параметров обучения (см. справочник по конфигурации):

Параметры зависят от задачи (например, copy_paste отображается только для задач сегментации, семантической сегментации и OBB, pose/kobj — только для задач оценки позы, а auto_augment/erasing — только для классификации). Редактор не отображает device, cache, workers, iou, dropout, val и time и игнорирует их в конфигурациях, вставленных или перетащенных в редактор; укажи их в собственной команде yolo train при локальном обучении. Значок Изменено появляется, если значения отличаются от значений по умолчанию; нажми кнопку сброса, чтобы вернуть все значения по умолчанию. В задачу обучения передаются только расширенные параметры, отличающиеся от значений по умолчанию (базовые параметры epochs, batch и размера изображения передаются всегда), поэтому итоговая команда остается удобочитаемой.

mosaic: 1.0       # Keep mosaic on
mixup: 0.3        # Add mixup blending
copy_paste: 0.3   # Add copy-paste (segment, semantic, OBB)
fliplr: 0.5       # Horizontal flip
degrees: 10.0     # Slight rotation
scale: 0.9        # Aggressive scaling

Сохранить версию датасета (необязательно)#

Включи параметр Сохранить версию датасета, чтобы связать модель с неизменяемой версией датасета, размещенного на Платформе. Платформа проверяет, изменилось ли содержимое датасета, повторно использует совпадающую версию, если изменений нет, и создает новую версию с номером, только если это необходимо. При обучении используется именно этот снимок NDJSON, а номер версии и хеш содержимого записываются в данные модели.

Так сохраняются данные, использованные при запуске, даже если позднее ты добавишь или удалишь изображения, отредактируешь аннотации или изменишь разделение датасета. Связанную версию можно найти на вкладках Модели и Версии датасета.

Шаг 5. Выбери GPU (вкладка «Облако»)#

Выбери GPU в Ultralytics Cloud:

В диалоговом окне отображаются текущий баланс и кнопка Пополнить. Карточка стоимости рассчитывает общую продолжительность и цену для твоей конфигурации (размер модели, количество изображений в датасете, эпохи, размер изображения, размер батча, оптимизатор и скорость GPU), а также показывает расчетное время одной эпохи и количество изображений в датасете.

Шаг 6. Запусти обучение#

Нажми Начать обучение, чтобы запустить задачу. Платформа:

1. Определяет неизменяемую версию датасета, если включен параметр Сохранить версию датасета
2. Выделяет экземпляр GPU
3. Скачивает датасет
4. Начинает обучение
5. Передает метрики в реальном времени

При повторном обучении существующей модели используется та же страница модели, а после создания новой задачи очищаются графики предыдущего запуска, вывод консоли, системные метрики и состояние ошибки. Если запуск завершается с ошибкой до выделения вычислительных ресурсов, предыдущие результаты остаются без изменений.

Жизненный цикл задачи обучения#

Задача обучения проходит следующие этапы:

Критическая ошибка Python в потоке консоли — трассировка стека, ошибка нехватки памяти CUDA или сбой инициализации CUDA — немедленно завершает запуск, не дожидаясь тайм-аута. Извлеченное сообщение отображается на странице модели в баннере ошибки с действиями Посмотреть полный журнал консоли и Повторить обучение. Запуски, которые не сообщают о действиях в течение 4 часов, автоматически помечаются как завершившиеся с ошибкой, а выделенные для них вычислительные ресурсы освобождаются.

Чтобы получать результаты успешных и неудачных запусков, не оставляя эту страницу открытой, подключи уведомления Slack.

Следи за ходом обучения#

Следи за ходом обучения в реальном времени на вкладке Обучение страницы модели:

Подкладка «Графики»#

Графики сгруппированы по типам метрик; отображаемые группы зависят от того, какие данные передает запуск:

Каждую группу можно свернуть, отдельные графики — скрыть или показать через меню группы, а графики можно перетаскивать и изменять их размер. Настройки расположения сохраняются.

Вкладка Console#

Вывод консоли в реальном времени с поддержкой цветов ANSI, индикаторами выполнения и обнаружением критических ошибок. Сохраняются последние 2000 строк; отображение временных меток можно включить, а весь журнал — скопировать как обычный текст.

Вкладка System#

Карточка узла в реальном времени (имя хоста, CPU, GPU, объем RAM и диска), а также графики загрузки CPU и RAM, использования и памяти GPU, температуры GPU, сетевого ввода-вывода и операций чтения-записи диска для каждой эпохи.

Контрольные точки#

Лучшая контрольная точка (best.pt) периодически загружается на Платформу во время обучения и еще раз по завершении запуска, поэтому для скачивания, экспорта и развертывания всегда доступна лучшая из полученных эпох. Если запуск отменен, контрольная точка, загруженная до отмены, сохраняется.

Отмена обучения#

Нажми Отмена в карточке «Информация о запуске» на странице модели и подтверди действие. При обучении в облаке Платформа останавливает задачу, освобождает вычислительные ресурсы и списывает средства за время использования GPU до отмены. При локальном обучении процесс получает сигнал остановиться на границе следующей эпохи, а частичные результаты сохраняются — перед завершением запуск загружает все полученные данные.

Удаленное обучение#

Обучай модель на собственном оборудовании и передавай метрики на платформу.

pip install -U ultralytics

Настройка API-ключа#

1. Перейди в Settings > API Keys
2. Создай новый ключ (или дождись, пока платформа создаст его автоматически при открытии вкладки «Локальное обучение»)
3. Задай переменную окружения:

export ULTRALYTICS_API_KEY="YOUR_API_KEY"

Обучение с передачей данных#

Используй параметры project и name, чтобы передавать метрики:

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

На вкладке Локальное обучение в диалоговом окне обучения отображается готовая команда с твоим API-ключом, выбранными параметрами и расширенными аргументами.

Использование датасетов на Платформе#

Обучай модель на датасетах, сохраненных на платформе, используя формат URI ul://:

yolo train model=yolo26n.pt data=ul://username/datasets/my-dataset epochs=100 \
  project=username/my-project name=exp1

Формат URI ul:// автоматически скачивает и настраивает датасет. Модель автоматически связывается с датасетом на платформе (см. раздел «Использование датасетов на Платформе»).

Оплата#

Стоимость обучения зависит от использования GPU:

Расчет стоимости#

Перед началом обучения платформа рассчитывает общую продолжительность и стоимость с учетом размера датасета и модели, размера изображения и батча, количества эпох и выбранного GPU. Расчет приблизительный; оплата начисляется за фактическое использование.

Факторы, влияющие на стоимость:

Расчеты основаны на реальных запусках обучения в облаке и всегда учитывают выбранный тобой GPU, поэтому задача, перенаправленная на более быструю инфраструктуру Ultralytics, завершается раньше расчетного срока.

Примеры стоимости#

Процесс оплаты#

Процесс оплаты облачного обучения:

1. Оценка: стоимость рассчитывается до начала обучения
2. Проверка баланса: перед запуском проверяется доступный баланс кредитов
3. Обучение и учет времени: задача выполняется на выбранных вычислительных ресурсах, а накопленное время работы GPU списывается с баланса поэтапно, пока задача выполняется
4. Окончательный расчет: при завершении задачи списывается оставшееся время, а за весь запуск создается одна транзакция Training

Оплата в зависимости от статуса задачи#

Если запуск не передает данные об активности в течение 4 часов, он автоматически помечается как завершившийся с ошибкой; экземпляр завершается, а прошедшее время работы GPU учитывается в итоговом расчете. Удаленные запуски на собственном оборудовании просто помечаются как завершившиеся с ошибкой — оплата не взимается.

Способы оплаты#

Облачное обучение оплачивается кредитами на балансе платформы.

Просмотр стоимости обучения#

Перед запуском облачной задачи в диалоговом окне обучения отображаются текущий баланс кредитов и оценка длительности и стоимости задачи, рассчитанная с учетом выбранной модели, набора данных, количества эпох, размера изображения и GPU. Оценка носит справочный характер; фактическая оплата рассчитывается по использованному времени GPU. После завершения проверь транзакцию по кредитам в разделе Settings > Billing.

Советы по обучению#

Выбери подходящий размер модели#

Оптимизация времени обучения#

Устранение неполадок#

Справочник по параметрам обучения#

Часто задаваемые вопросы#