Облачное обучение#

Облачное обучение на Ultralytics Platform позволяет запускать тренировку моделей на облачных GPU в один клик, избавляя тебя от сложной настройки. Тренируй модели YOLO с потоковой передачей метрик в реальном времени и автоматическим сохранением чекпоинтов.

graph LR
    A[Configure]:::start --> B[Start Training]:::proc
    B --> C[Provision GPU]:::proc
    C --> D[Download Dataset]:::proc
    D --> E[Train]:::proc
    E --> F[Stream Metrics]:::proc
    F --> G[Save Checkpoints]:::proc
    G --> H[Complete]:::out

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef out fill:#9C27B0,color:#fff

Диалоговое окно тренировки#

Начни обучение в интерфейсе платформы, нажав New Model на странице любого проекта или набора данных. Диалоговое окно обучения содержит две вкладки: Cloud Training и Local Training.

Шаг 1: Выбери базовую модель#

Выбери официальную модель Ultralytics или одну из своих завершенных моделей:

Селектор фильтрует официальные модели по задачам, совместимым с выбранным датасетом. YOLO26 включает варианты Detect, Segment, Semantic, Depth, Classify, Pose и OBB в размерах от nano до xlarge.

Шаг 2: Выбери набор данных#

Выбери датасет для обучения (см. Datasets):

Шаг 3: Настрой параметры#

Установи основные параметры тренировки:

Шаг 4: Расширенные настройки (опционально)#

Разверни Advanced Settings для доступа к полному редактору параметров на базе YAML, содержащему более 40 параметров тренировки, сгруппированных по категориям (см. справочник конфигурации):

Параметры учитывают тип задачи (например, copy_paste отображается только для задач сегментации, pose/kobj — только для задач позы). Значок Modified появляется, когда значения отличаются от дефолтных, и ты можешь сбросить всё до настроек по умолчанию с помощью кнопки сброса.

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

Сохранить версию набора данных (необязательно)#

Включи Save Dataset Version, чтобы привязать модель к неизменяемой версии набора данных, размещенного на Platform. Platform проверяет, изменилось ли содержимое набора данных, использует существующую версию, если изменений нет, и создает новую пронумерованную версию только при необходимости. Обучение затем использует этот конкретный снимок NDJSON и записывает его номер версии и хеш содержимого в модель.

Это позволяет сохранить данные, использованные для запуска, даже если ты позже добавишь или удалишь изображения, отредактируешь аннотации или изменишь разбиение набора данных. Ты можешь найти привязанную версию на вкладках Models и Versions набора данных.

Шаг 5: Выбери GPU (вкладка Cloud)#

Выбери свой GPU в облаке Ultralytics:

В диалоговом окне отображается твой текущий баланс и кнопка Top Up. Расчетная стоимость и длительность вычисляются на основе твоей конфигурации (размер модели, количество изображений в датасете, эпохи, скорость GPU).

Шаг 6: Начни тренировку#

Нажми Start Training, чтобы запустить задачу. Платформа:

1. Определяет неизменяемую версию набора данных, когда включена опция Save Dataset Version
2. Выделяет GPU-инстанс
3. Скачивает твой датасет
4. Начинает тренировку
5. Передает метрики в реальном времени

Жизненный цикл задачи обучения#

Задачи обучения проходят через следующие статусы:

Чтобы получать результаты завершенных и неудачных задач, не оставляя эту страницу открытой, подключи Slack alerts.

Мониторинг обучения#

Смотри прогресс тренировки в реальном времени на вкладке Train страницы модели:

Подвкладка Графики#

Подвкладка Консоль#

Консольный вывод в реальном времени с поддержкой цветов ANSI, индикаторами прогресса и обнаружением ошибок.

Подвкладка Система#

Использование GPU, памяти, температуры, CPU и диска в реальном времени.

Чекпоинты#

После завершения тренировки лучшая модель (best.pt, чекпоинт с самым высоким mAP) загружается на платформу и становится доступной для скачивания, экспорта и развертывания.

Отменить обучение#

Нажми Cancel Training на странице модели и подтверди действие. Для облачного обучения платформа останавливает задачу, высвобождает вычислительные ресурсы и списывает прошедшее время GPU, использованное до отмены. Для локального обучения отмена дает сигнал процессу остановиться на следующей границе эпохи и сохраняет частичные результаты.

Удаленное обучение#

graph LR
    A[Local GPU]:::start --> B[Train]:::proc
    B --> C[ultralytics Package]:::proc
    C --> D[Stream Metrics]:::proc
    D --> E[Platform Dashboard]:::out

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef out fill:#9C27B0,color:#fff

Обучай на своем собственном оборудовании, транслируя метрики на платформу.

pip install -U ultralytics

Настройка API Key#

1. Перейди в Settings > API Keys
2. Создай новый ключ (или платформа автоматически создаст его, когда ты откроешь вкладку Local Training)
3. Установи переменную окружения:

export ULTRALYTICS_API_KEY="YOUR_API_KEY"

Обучение с потоковой передачей#

Используй параметры project и name для трансляции метрик:

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

Вкладка Local Training в диалоговом окне обучения показывает предварительно настроенную команду с твоим API Key, выбранными параметрами и включенными расширенными аргументами.

Использование датасетов платформы#

Обучай на датасетах, хранящихся 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 загружает и настраивает твой датасет. Модель автоматически связывается с датасетом на платформе (см. Использование датасетов платформы).

Биллинг#

Стоимость обучения основана на использовании GPU:

Оценка стоимости#

Перед началом обучения платформа оценивает общую стоимость с помощью:

1. Оценки секунд на эпоху на основе размера датасета, сложности модели, размера изображения, размера батча и скорости GPU
2. Расчета общего времени обучения путем умножения секунд на эпоху на количество эпох, с добавлением времени на запуск
3. Вычисления оценочной стоимости на основе общего количества часов обучения, умноженного на почасовую ставку GPU

Факторы, влияющие на стоимость:

Примеры стоимости#

Процесс оплаты#

graph LR
    A[Estimate Cost]:::start --> B[Balance Check]:::decide
    B --> C[Train]:::proc
    C --> D[Charge Actual Runtime]:::out

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef decide fill:#FF9800,color:#fff
    classDef out fill:#9C27B0,color:#fff

Процесс оплаты облачного обучения:

1. Оценка: стоимость рассчитывается до начала обучения
2. Проверка баланса: доступные кредиты проверяются перед запуском
3. Обучение: задание выполняется на выбранном вычислительном ресурсе
4. Списание: окончательная стоимость основана на фактическом времени работы

Биллинг по статусу задания#

Способы оплаты#

Облачное обучение оплачивается с баланса твоих кредитов платформы.

Просмотр расходов на обучение#

Перед запуском облачной задачи диалоговое окно обучения показывает твой текущий баланс кредитов и оценивает длительность и стоимость задачи на основе выбранной модели, набора данных, эпох, размера изображения и GPU. Эта оценка носит информационный характер; фактическое использование оплачивается по потребленному времени GPU. После этого проверь получившуюся транзакцию кредитов в Settings > Billing.

Советы по обучению#

Выбор подходящего размера модели#

Оптимизация времени обучения#

Устранение неполадок#

FAQ#

Сколько времени занимает обучение?#

Время обучения зависит от:

• Размер набора данных
• Размер модели
• Количества эпох
• Выбранный GPU

Типичное время (1000 изображений, 100 эпох):

Могу ли я оставить обучение на ночь?#

Да. Обучение может работать без присмотра, пока на него есть средства, а платформа записывает событие завершения или сбоя. Если из-за тарификации баланс опускается ниже нуля, активные платные облачные запуски останавливаются, и списывается уже использованное время GPU.

Что произойдет, если закончатся кредиты?#

Использование облака тарифицируется по мере прохождения обучения. Если списание опускает твой баланс ниже нуля, активные платные запуски облачного обучения останавливаются, и списывается уже использованное время GPU. Добавь кредиты или включи автопополнение, чтобы поддерживать долго выполняющиеся задачи.

Что будет, если обучение стоит дороже, чем прогнозировалось?#

Оценки стоимости являются приблизительными — фактическое время обучения может отличаться из-за таких факторов, как скорость загрузки данных, прогрев GPU и поведение сходимости модели. Если фактическое использование исчерпывает доступный баланс, платформа останавливает активные платные облачные запуски после того, как баланс становится отрицательным.

Чтобы управлять расходами:

• Отслеживай прогресс обучения в реальном времени и отменяй его при необходимости
• Включи автопополнение для автоматического восполнения кредитов
• Начинай с более коротких запусков (меньше эпох) для уточнения ожиданий

Могу ли я использовать пользовательские аргументы обучения?#

Да, разверни раздел Расширенные настройки в диалоговом окне обучения, чтобы получить доступ к YAML-редактору с более чем 40 настраиваемыми параметрами. Значения, отличные от стандартных, будут включены как в облачные, так и в локальные команды обучения.

YAML-редактор также поддерживает импорт конфигураций из предыдущих запусков обучения:

• Копировать из существующей модели: На странице любой завершенной модели в карточке «Конфигурация обучения» есть кнопка Копировать как JSON. Скопируй JSON и вставь его прямо в YAML-редактор — он автоматически определит формат JSON и импортирует все параметры.
• Вставить YAML или JSON: Вставь любую корректную конфигурацию обучения в формате YAML или JSON в редактор. Параметры проверяются автоматически, значения вне допустимого диапазона ограничиваются, а предупреждения отображаются.
• Перетащить файлы: Перетащи файл .yaml или .json прямо в редактор для импорта его параметров.

Это позволяет легко воспроизвести или повторить предыдущие конфигурации обучения без ручного повторного ввода каждого параметра.

Можно ли запустить обучение со страницы набора данных?#

Да, кнопка New Model на страницах наборов данных открывает диалоговое окно обучения с предварительно выбранным и заблокированным набором данных. Затем ты выбираешь проект и модель, чтобы начать обучение.

Справочник параметров обучения#