İçeriğe geç

Model Eğitimi

Ultralytics Platformu, deneyleri organize etmekten gerçek zamanlı metrik akışı ile bulut eğitim işlerini çalıştırmaya kadar YOLO modellerini eğitmek için kapsamlı araçlar sunar.



İzle: Ultralytics Platformu ile Başlayın - Eğitim

Genel Bakış

Eğitim bölümü size yardımcı olur:

  • Daha kolay yönetim için modelleri projelere düzenleyin
  • Eğitin: Bulut GPU'larında tek tıklamayla eğitim yapın
  • İzleyin: Eğitim sırasında gerçek zamanlı metrikleri izleyin
  • Karşılaştırın: Deneyler arasında model performansını karşılaştırın
  • 17'den fazla dağıtım formatına dışa aktarın (desteklenen formatlara bakın)

Ultralytics Platform Eğitimine Genel Bakış

İş Akışı

graph LR
    A[📁 Project] --> B[⚙️ Configure]
    B --> C[🚀 Train]
    C --> D[📈 Monitor]
    D --> E[📦 Export]

    style A fill:#4CAF50,color:#fff
    style B fill:#2196F3,color:#fff
    style C fill:#FF9800,color:#fff
    style D fill:#9C27B0,color:#fff
    style E fill:#00BCD4,color:#fff
AşamaAçıklama
Projeİlgili modelleri düzenlemek için bir çalışma alanı oluşturun
Yapılandırveri kümesi, temel model ve eğitim parametrelerini seçin
EğitBulut GPU'larında veya yerel donanımınızda çalıştırın
İzleyinGerçek zamanlı kayıp eğrilerini ve metrikleri görüntüleyin
Dışa aktar17'den fazla dağıtım formatına dönüştürün (ayrıntılar)

Eğitim Seçenekleri

Ultralytics Platformu birden fazla eğitim yaklaşımını destekler:

MetotAçıklamaEn Uygun Olduğu Alan
Bulut EğitimiUltralytics Bulut GPU'larında Eğitim YapınYerel GPU yok, ölçeklenebilirlik
Yerel EğitimYerel olarak eğitin, metrikleri platforma aktarınMevcut donanım, gizlilik
Colab EğitimiGoogle Colab'ı platform entegrasyonu ile kullanınÜcretsiz GPU erişimi

GPU Seçenekleri

Ultralytics Bulut'ta bulut eğitimi için mevcut GPU'lar:

GPUNesilVRAMSaatlik MaliyetEn Uygun Olduğu Alan
RTX 2000 AdaAda16 GB$0.24Küçük veri setleri, test etme
RTX A4500Ampere20 GB$0.25Küçük-orta veri kümeleri
RTX 4000 AdaAda20 GB$0.26Orta boyutlu veri setleri
RTX A5000Ampere24 GB$0.27Orta boyutlu veri setleri
L4Ada24 GB$0.39Çıkarım için optimize edilmiş
A40Ampere48 GB$0.40Daha büyük yığın boyutları
RTX 3090Ampere24 GB$0.46Genel eğitim
RTX A6000Ampere48 GB$0.49Büyük modeller
RTX PRO 4500Blackwell32 GB$0.54Harika fiyat/performans
RTX 4090Ada24 GB$0.59En iyi fiyat/performans
RTX 6000 AdaAda48 GB$0.77Büyük yığın eğitimi
L40SAda48 GB$0.86Büyük yığın eğitimi
RTX 5090Blackwell32 GB$0.89En yeni tüketici nesli
L40Ada48 GB$0.99Büyük modeller
A100 PCIeAmpere80 GB$1.39Üretim eğitimi
A100 SXMAmpere80 GB$1.49Üretim eğitimi
RTX PRO 6000Blackwell96 GB$1.69Önerilen varsayılan
H100 PCIeHopper80 GB$2.39Yüksek performanslı eğitim
H100 SXMHopper80 GB$2.69En hızlı eğitim
H100 NVLHopper94 GB$3.07Maksimum performans
H200 NVLHopper143 GB$3.39Maksimum bellek (Pro+)
H200 SXMHopper141 GB$3.59Maksimum performans (Pro+)
B200Blackwell180 GB$4.99En büyük modeller (Pro+)

GPU Katmanı Erişimi

H200 ve B200 GPU'ları Pro veya Kurumsal plan gerektirir. Diğer tüm GPU'lar Ücretsiz dahil tüm planlarda mevcuttur.

Kayıt Kredileri

Yeni hesaplar, eğitim için kayıt kredileri alır. Ayrıntılar için Faturalandırma bölümünü kontrol edin.

Gerçek Zamanlı Metrikler

Eğitim sırasında, üç alt sekmede canlı metrikleri görüntüleyin:

graph LR
    A[Charts] --> B[Loss Curves]
    A --> C[Performance Metrics]
    D[Console] --> E[Live Logs]
    D --> F[Error Detection]
    G[System] --> H[GPU Utilization]
    G --> I[Memory & Temp]

    style A fill:#2196F3,color:#fff
    style D fill:#FF9800,color:#fff
    style G fill:#9C27B0,color:#fff
Alt SekmeMetrikler
GrafiklerKutu/sınıf/DFL kaybı, mAP50, mAP50-95, kesinlik, geri çağırma
KonsolANSI renkli ve hata algılamalı canlı eğitim günlükleri
SistemGPU kullanımı, bellek, sıcaklık, CPU, disk

Otomatik Kontrol Noktaları

Platform, her epoch'ta kontrol noktalarını otomatik olarak kaydeder. En iyi model (en yüksek mAP) ve nihai model her zaman korunur.

Hızlı Başlangıç

Bir dakikadan kısa sürede bulut eğitimine başlayın:

  1. Yan çubukta bir proje oluşturun
  2. Yeni Model öğesine tıklayın
  3. Bir model, veri kümesi ve GPU seçin
  4. Eğitimi Başlat'a tıklayın
export ULTRALYTICS_API_KEY="YOUR_API_KEY"
yolo train model=yolo26n.pt data=ul://username/datasets/my-dataset \
  epochs=100 project=username/my-project name=exp1
from ultralytics import YOLO

model = YOLO("yolo26n.pt")
model.train(
    data="ul://username/datasets/my-dataset",
    epochs=100,
    project="username/my-project",
    name="exp1",
)
  • Projeler: Modellerinizi ve deneylerinizi düzenleyin
  • Modeller: Eğitilmiş kontrol noktalarını yönetin
  • Bulut Eğitimi: Bulut GPU'larında eğitim yapın

SSS

Eğitim ne kadar sürer?

Eğitim süresi şunlara bağlıdır:

  • Veri kümesi boyutu (görüntü sayısı)
  • Model boyutu (n, s, m, l, x)
  • Epoch sayısı
  • Seçilen GPU türü

1000 görüntü, YOLO26n, RTX PRO 6000 üzerinde 100 epoch ile tipik bir eğitim yaklaşık 2-3 saat sürer. Daha küçük eğitimler (500 görüntü, RTX 4090 üzerinde 50 epoch) bir saatten kısa sürede tamamlanır. Detaylı tahminler için maliyet örneklerine bakın.

Birden fazla modeli aynı anda eğitebilir miyim?

Evet. Eşzamanlı bulut eğitim limitleri planınıza bağlıdır: Ücretsiz 3'e, Pro 10'a izin verir ve Kurumsal sınırsızdır. Ek paralel eğitim için birden fazla makineden uzaktan eğitimi kullanın.

Eğitim başarısız olursa ne olur?

Eğitim başarısız olursa:

  1. Kontrol noktaları her epokta kaydedilir
  2. Son kontrol noktasından devam edebilirsiniz
  3. Krediler yalnızca tamamlanan işlem süresi için tahsil edilir

Doğru GPU'yu nasıl seçerim?

SenaryoÖnerilen GPU
Çoğu eğitim işiRTX PRO 6000
Büyük veri kümeleri veya toplu iş boyutlarıH100 SXM veya H200 (Pro+)
Bütçe odaklıRTX 4090


📅 2 ay önce oluşturuldu ✏️ 9 gün önce güncellendi
glenn-jocherRizwanMunawarsergiuwaxmann

Yorumlar