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

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
| Aşama | Açıklama |
|---|---|
| Proje | İlgili modelleri düzenlemek için bir çalışma alanı oluşturun |
| Yapılandır | veri kümesi, temel model ve eğitim parametrelerini seçin |
| Eğit | Bulut GPU'larında veya yerel donanımınızda çalıştırın |
| İzleyin | Gerçek zamanlı kayıp eğrilerini ve metrikleri görüntüleyin |
| Dışa aktar | 17'den fazla dağıtım formatına dönüştürün (ayrıntılar) |
Eğitim Seçenekleri
Ultralytics Platformu birden fazla eğitim yaklaşımını destekler:
| Metot | Açıklama | En Uygun Olduğu Alan |
|---|---|---|
| Bulut Eğitimi | Ultralytics Bulut GPU'larında Eğitim Yapın | Yerel GPU yok, ölçeklenebilirlik |
| Yerel Eğitim | Yerel olarak eğitin, metrikleri platforma aktarın | Mevcut donanım, gizlilik |
| Colab Eğitimi | Google Colab'ı platform entegrasyonu ile kullanın | Ücretsiz GPU erişimi |
GPU Seçenekleri
Ultralytics Bulut'ta bulut eğitimi için mevcut GPU'lar:
| GPU | VRAM | Saatlik Maliyet | En Uygun Olduğu Alan |
|---|---|---|---|
| RTX 2000 Ada | 16 GB | $0.24 | Küçük veri setleri, test etme |
| RTX A4500 | 20 GB | $0.24 | Küçük-orta veri kümeleri |
| RTX A5000 | 24 GB | $0.26 | Orta boyutlu veri setleri |
| RTX 4000 Ada | 20 GB | $0.38 | Orta boyutlu veri setleri |
| L4 | 24 GB | $0.39 | Çıkarım için optimize edilmiş |
| A40 | 48 GB | $0.40 | Daha büyük yığın boyutları |
| RTX 3090 | 24 GB | $0.46 | Harika fiyat/performans |
| RTX A6000 | 48 GB | $0.49 | Büyük modeller |
| RTX 4090 | 24 GB | $0.59 | En iyi fiyat/performans |
| RTX 6000 Ada | 48 GB | $0.77 | Büyük yığın eğitimi |
| L40S | 48 GB | $0.86 | Büyük yığın eğitimi |
| RTX 5090 | 32 GB | $0.89 | En yeni nesil |
| L40 | 48 GB | $0.99 | Büyük modeller |
| A100 PCIe | 80 GB | $1.39 | Üretim eğitimi |
| A100 SXM | 80 GB | $1.49 | Üretim eğitimi |
| RTX PRO 6000 | 96 GB | $1.89 | Önerilen varsayılan |
| H100 PCIe | 80 GB | $2.39 | Yüksek performanslı eğitim |
| H100 SXM | 80 GB | $2.69 | En hızlı eğitim |
| H100 NVL | 94 GB | $3.07 | Maksimum performans |
| H200 NVL | 143 GB | $3.39 | Maksimum bellek |
| H200 SXM | 141 GB | $3.59 | Maksimum performans |
| B200 | 180 GB | $4.99 | En büyük modeller |
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 Sekme | Metrikler |
|---|---|
| Grafikler | Kutu/sınıf/DFL kaybı, mAP50, mAP50-95, kesinlik, geri çağırma |
| Konsol | ANSI renkli ve hata algılamalı canlı eğitim günlükleri |
| Sistem | GPU 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:
- Yan çubukta bir proje oluşturun
- Yeni Model öğesine tıklayın
- Bir model, veri kümesi ve GPU seçin
- 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",
)
Hızlı Bağlantılar
- 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:
- Kontrol noktaları her epokta kaydedilir
- Son kontrol noktasından devam edebilirsiniz
- Krediler yalnızca tamamlanan işlem süresi için tahsil edilir
Doğru GPU'yu nasıl seçerim?
| Senaryo | Önerilen GPU |
|---|---|
| Çoğu eğitim işi | RTX PRO 6000 |
| Büyük veri kümeleri veya toplu iş boyutları | H100 SXM veya H200 |
| Bütçeye duyarlı | RTX 4090 |