Model Eğitimi#
Ultralytics Platform, deneyleri düzenlemekten gerçek zamanlı metrik akışıyla bulut eğitimi işlerini çalıştırmaya kadar YOLO modellerini eğitmek için kapsamlı araçlar sunar.
Watch: Get Started with Ultralytics Platform - Train
Genel Bakış#
Eğitim bölümü şunları yapmana yardımcı olur:
- Organize Et: Daha kolay yönetim için modelleri projelerde gruplandır
- Eğit: Tek tıkla bulut GPU'larında eğitim yap
- İzle: Eğitim sırasında gerçek zamanlı metrikleri takip et
- Karşılaştır: Deneyler arasında model performansını karşılaştır
- 20 dağıtım formatına Dışa Aktar (bkz. desteklenen formatlar)
İş Akışı#
graph LR
A[📁 Project]:::start --> B[⚙️ Configure]:::proc
B --> C[🚀 Train]:::proc
C --> D[📈 Monitor]:::proc
D --> E[📦 Export]:::out
classDef start fill:#4CAF50,color:#fff
classDef proc fill:#2196F3,color:#fff
classDef out fill:#9C27B0,color:#fff| Aşama | Açıklama |
|---|---|
| Proje | İlgili modelleri organize etmek için bir çalışma alanı oluştur |
| Yapılandır | Veri kümesi, temel model ve eğitim parametrelerini seç |
| Eğit | Bulut GPU'larında veya kendi yerel donanımında çalıştır |
| İzle | Gerçek zamanlı kayıp eğrilerini ve metrikleri görüntüle |
| Dışa Aktar | 20 dağıtım formatına dönüştür (detaylar) |
Eğitim Seçenekleri#
Ultralytics Platform birden fazla eğitim yaklaşımını destekler:
| Yöntem | Açıklama | En İyi Kullanım |
|---|---|---|
| Bulut Eğitimi | Ultralytics Bulut GPU'larında eğit | Yerel GPU yok, ölçeklenebilirlik |
| Yerel Eğitim | Yerelde eğit, metrikleri platforma akıt | Mevcut donanım, gizlilik |
| Colab Eğitimi | Platform entegrasyonu ile Google Colab kullan | Ücretsiz GPU erişimi |
GPU Seçenekleri#
Ultralytics Cloud'da bulut eğitimi için kullanılabilir GPU'lar:
| GPU | Nesil | VRAM | Maliyet/Saat | En İyi Kullanım |
|---|---|---|---|---|
| RTX 2000 Ada | Ada | 16 GB | $0.24 | Küçük veri kümeleri, test |
| RTX A4500 | Ampere | 20 GB | $0.25 | Küçük-orta veri kümeleri |
| RTX 4000 Ada | Ada | 20 GB | $0.26 | Orta ölçekli veri kümeleri |
| RTX A5000 | Ampere | 24 GB | $0.27 | Orta ölçekli veri kümeleri |
| L4 | Ada | 24 GB | $0.39 | Çıkarım için optimize edilmiş |
| A40 | Ampere | 48 GB | $0.44 | Daha büyük yığın (batch) boyutları |
| RTX 3090 | Ampere | 24 GB | $0.46 | Genel eğitim |
| RTX A6000 | Ampere | 48 GB | $0.49 | Büyük modeller |
| RTX PRO 4000 | Blackwell | 24 GB | $0.57 | Budget Blackwell |
| RTX PRO 4500 | Blackwell | 32 GB | $0.64 | Harika fiyat/performans |
| RTX 4090 | Ada | 24 GB | $0.69 | En iyi fiyat/performans |
| RTX 6000 Ada | Ada | 48 GB | $0.77 | Büyük yığın eğitimleri |
| L40S | Ada | 48 GB | $0.86 | Büyük yığın eğitimleri |
| RTX PRO 5000 | Blackwell | 48 GB | $0.96 | Büyük yığın eğitimleri |
| RTX 5090 | Blackwell | 32 GB | $0.99 | En son tüketici nesli |
| L40 | Ada | 48 GB | $0.99 | Büyük modeller |
| A100 PCIe | Ampere | 80 GB | $1.39 | Üretim odaklı eğitim |
| A100 SXM | Ampere | 80 GB | $1.49 | Üretim odaklı eğitim |
| RTX PRO 6000 | Blackwell | 96 GB | $2.09 | Önerilen varsayılan |
| H100 PCIe | Hopper | 80 GB | $2.89 | Yüksek performanslı eğitim |
| H100 NVL | Hopper | 94 GB | $3.19 | Maksimum performans |
| H100 SXM | Hopper | 80 GB | $3.29 | En hızlı eğitim |
| H200 NVL | Hopper | 143 GB | $3.39 | Maksimum bellek |
| H200 SXM | Hopper | 141 GB | $4.39 | Maksimum performans |
| B200 | Blackwell | 180 GB | $5.89 | Büyük modeller (Pro+) |
| B300 | Blackwell | 288 GB | $7.39 | En büyük modeller (Pro+) |
B200 ve B300 GPU'ları bir Pro veya Enterprise planı gerektirir. Diğer tüm GPU'lar Free dahil tüm planlarda mevcuttur.
Yeni hesaplar eğitim için kayıt kredisi alır. Ayrıntılar için Faturalandırma kısmını kontrol et.
Gerçek Zamanlı Metrikler#
Eğitim sırasında, üç alt sekmede canlı metrikleri görüntüle:
graph LR
A[Charts]:::start --> B[Loss Curves]:::out
A --> C[Performance Metrics]:::out
D[Console]:::start --> E[Live Logs]:::out
D --> F[Error Detection]:::out
G[System]:::start --> H[GPU Utilization]:::out
G --> I[Memory & Temp]:::out
classDef start fill:#4CAF50,color:#fff
classDef out fill:#9C27B0,color:#fff| Alt sekme | Metrikler |
|---|---|
| Grafikler | Box/class/DFL kaybı, mAP50, mAP50-95, kesinlik (precision), duyarlılık (recall) |
| Konsol | ANSI renkli ve hata tespitli canlı eğitim günlükleri |
| Sistem | GPU kullanımı, bellek, sıcaklık, CPU, disk |
Bulut eğitimi için, en iyi model (best.pt, en yüksek mAP kontrol noktası) otomatik olarak kaydedilir ve eğitim tamamlandıktan sonra indirme, dışa aktarma ve dağıtım için kullanılabilir hale getirilir.
Hızlı Başlangıç#
Bir dakikadan kısa sürede bulut eğitimine başla:
- Kenar çubuğunda bir proje oluştur
- Yeni Model'e tıkla
- Bir model, veri seti ve GPU seç
- Eğitimi Başlat'a tıkla
Hızlı Bağlantılar#
- Projeler: Modellerini ve denemelerini düzenle
- Modeller: Eğitilmiş kontrol noktalarını yönet
- Bulut Eğitimi: Bulut GPU'larında eğitim yap
SSS#
Eğitim ne kadar sürer?#
Eğitim süresi şunlara bağlıdır:
- Veri seti boyutu (görüntü sayısı)
- Model boyutu (n, s, m, l, x)
- Dönem (epoch) sayısı
- Seçilen GPU türü
Mevcut tahminci, RTX PRO 6000 üzerinde 1000 görsel, YOLO26n ve 100 epoch için yaklaşık 6 dakika, RTX 4090 üzerinde ise 500 görsel, YOLO26n ve 50 epoch için yaklaşık 2 dakika öngörür. Gerçek süre değişebilir; seçilen veri seti ve yapılandırma için eğitim iletişim kutusundaki canlı tahmini kullan. Maliyet örneklerine göz at.
Birden fazla modeli aynı anda eğitebilir miyim?#
Evet. Eşzamanlı bulut eğitimi limitleri planına bağlıdır: Free 3, Pro 10 taneye izin verir ve Enterprise sınırsızdır. Ek paralel eğitim için, birden fazla makineden uzak eğitim kullan.
Eğitim başarısız olursa ne olur?#
Eğitim başarısız olursa:
- Model başarısız olarak işaretlenir ve işlem örneği sonlandırılır
- Temel modelden yeni bir eğitim çalışması başlatabilirsin
- Bulut hesaplama başladıysa geçen GPU süresi ücretlendirilir; hesaplama başlamadan önceki hatalar için GPU kullanım ücreti alınmaz
Doğru GPU'yu nasıl seçerim?#
| Senaryo | Önerilen GPU |
|---|---|
| Çoğu eğitim işi | RTX PRO 6000 |
| Büyük veri setleri veya toplu iş (batch) boyutları | H100 SXM veya H200 |
| Bütçe odaklı | RTX 4090 |