Bulut Eğitimi

Ultralytics Cloud Training, tek tıklamayla bulut GPU'larda eğitim sunarak karmaşık kurulum gerektirmeden model eğitimine erişim sağlar. Gerçek zamanlı metrik akışı ve otomatik kontrol noktası kaydetme özelliği ile YOLO eğitin.

İzle: Ultralytics ile Bulut Eğitimi

UI'dan tren

Platformdan doğrudan bulut eğitimine başlayın:

1. Projenize gidin
2. Tren Modelini Tıklayın
3. Eğitim parametrelerini yapılandırın
4. Eğitime Başla'yı tıklayın

Adım 1: Veri Kümesi Seçin

Yüklemelerinizden bir veri kümesi seçin:

Adım 2: Modeli Yapılandırın

Temel modeli ve parametreleri seçin:

Adım 3: GPU seçin

Bilgisayar kaynaklarınızı seçin:

Adım 4: Eğitime Başlayın

Eğitime Başla'yı tıklayarak işinizi başlatın. Platform:

1. GPU hükümleri
2. Veri setinizi indirin
3. Eğitime başlar
4. Metrikleri gerçek zamanlı olarak aktarır

Monitör Eğitimi

Gerçek zamanlı eğitim ilerlemesini görüntüleyin:

Canlı Metrikler

Kontrol noktaları

Kontrol noktaları otomatik olarak kaydedilir:

• Her dönem: En son kaydedilen ağırlıklar
• En iyi model: En yüksek mAP korunmuştur
• Nihai model: Eğitim tamamlandığında ağırlıklar

Durdur ve Devam Et

Eğitimi Durdur

İşinizi duraklatmak için Eğitimi Durdur'u tıklayın:

• Mevcut kontrol noktası kaydedildi
• GPU serbest bırakıldı
• Krediler artık ücretlendirilmiyor

Eğitimine Devam Et

Son kontrol noktanızdan devam edin:

1. Modele git
2. Eğitime Devam Et'i tıklayın
3. Devam etmeyi onaylayın

Uzaktan Eğitim

Kendi donanımınızda eğitim yaparken metrikleri Platforma aktarın.

pip install "ultralytics>=8.4.0"

API Anahtarını Ayarla

1. Ayarlar > API Anahtarları'na gidin.
2. Eğitim kapsamlı yeni bir anahtar oluşturun
3. Ortam değişkenini ayarlayın:

export ULTRALYTICS_API_KEY="your_api_key"

Akış ile Tren

Şunu kullanın: project ve name metrikleri aktarmak için parametreler:

yolo train model=yolo11n.pt data=coco.yaml epochs=100 \
  project=username/my-project name=experiment-1

from ultralytics import YOLO

model = YOLO("yolo11n.pt")
model.train(
    data="coco.yaml",
    epochs=100,
    project="username/my-project",
    name="experiment-1",
)

Platform Veri Kümelerini Kullanma

Platformda depolanan veri kümeleriyle eğitim yapın:

yolo train model=yolo11n.pt data=ul://username/datasets/my-dataset epochs=100

ul:// URI biçimi, veri kümenizi otomatik olarak indirir ve yapılandırır.

Faturalandırma

Eğitim maliyetleri GPU göre belirlenir:

Maliyet Hesaplaması

Total Cost = GPU Rate × Training Time (hours)

Ödeme Yöntemleri

Eğitim Maliyetlerini Görüntüle

Eğitimden sonra, Faturalandırma sekmesinde ayrıntılı maliyetleri görüntüleyin:

• Dönem başına maliyet dağılımı
• Toplam GPU
• Maliyet raporunu indirin

Eğitim İpuçları

Doğru Model Boyutunu Seçin

Eğitim Süresini Optimize Etme

1. Küçük başlangıçlar yapın: Önce daha az dönemle test edin
2. Uygun GPU kullanın: GPU model/toplu iş GPU uygun hale getirin
3. Veri kümesini doğrulayın: Eğitimden önce kaliteyi sağlayın
4. Erken aşamada izleyin: Metrikler sabit kalırsa durdurun

Sorun Giderme

SSS

Eğitim ne kadar sürer?

Eğitim süresi şunlara bağlıdır:

• Veri kümesi boyutu
• Model boyutu
• Dönem sayısı
• GPU

Tipik süreler (1000 görüntü, 100 dönem):

Gece boyunca antrenman yapabilir miyim?

Evet, eğitim tamamlanana kadar devam eder. Eğitim bittiğinde bir bildirim alacaksınız. Hesabınızda dönem bazlı eğitim için yeterli bakiye olduğundan emin olun.

Kredilerim biterse ne olur?

Eğitim, mevcut dönemin sonunda duraklatılır. Kontrol noktanız kaydedilir ve kredi ekledikten sonra devam edebilirsiniz.

Özel eğitim argümanları kullanabilir miyim?

Evet, ileri düzey kullanıcılar eğitim yapılandırmasında ek argümanlar belirtebilirler.

Eğitim Parametreleri Referansı

Temel Parametreler

Öğrenme Hızı Parametreleri

Artırma Parametreleri

Optimize Edici Seçimi

📅 0 gün önce oluşturuldu ✏️ 0 gün önce güncellendi

Yorumlar