Đào tạo trên đám mây

Nền tảng Ultralytics Cloud Training cung cấp tính năng huấn luyện chỉ với một cú nhấp chuột trên các GPU đám mây, giúp việc huấn luyện mô hình trở nên dễ dàng mà không cần thiết lập phức tạp. Huấn luyện các mô hình YOLO với luồng số liệu thời gian thực và tính năng tự động lưu điểm kiểm tra.

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

    style A fill:#2196F3,color:#fff
    style B fill:#FF9800,color:#fff
    style E fill:#9C27B0,color:#fff
    style H fill:#4CAF50,color:#fff

Đối thoại đào tạo

Bắt đầu quá trình huấn luyện từ giao diện người dùng của nền tảng bằng cách nhấp vào "Tạo mô hình mới" trên bất kỳ trang dự án nào (hoặc trang " Huấn luyện từ tập dữ liệu"). Hộp thoại huấn luyện có hai tab: "Huấn luyện trên đám mây" và "Huấn luyện cục bộ" .

Bước 1: Chọn mẫu cơ bản

Chọn từ các mô hình YOLO26 chính thức hoặc các mô hình đã huấn luyện của riêng bạn:

Các mô hình chính thức được sắp xếp theo loại tác vụ ( Phát hiện , Phân đoạn , Tư thế , OBB , Phân loại ) với kích thước từ nano đến xlarge.

Bước 2: Chọn tập dữ liệu

Chọn một tập dữ liệu để huấn luyện (xem Tập dữ liệu):

Bước 3: Cấu hình tham số

Thiết lập các thông số huấn luyện cốt lõi:

Bước 4: Cài đặt nâng cao (Tùy chọn)

Mở rộng Cài đặt nâng cao để truy cập trình chỉnh sửa tham số dựa trên YAML đầy đủ với hơn 40 tham số huấn luyện được sắp xếp theo nhóm (xem tài liệu tham khảo cấu hình ):

Các tham số phụ thuộc vào nhiệm vụ (ví dụ: copy_paste chỉ hiển thị cho segment nhiệm vụ, pose/kobj (chỉ dành cho các tác vụ tạo dáng). A Đã sửa đổi huy hiệu xuất hiện khi các giá trị khác với mặc định và bạn có thể đặt lại tất cả về mặc định bằng nút đặt lại.

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

Bước 5: Chọn GPU (Tab đám mây)

Chọn GPU của bạn từ Ultralytics Cloud:

Hộp thoại hiển thị số dư hiện tại của bạn và nút Nạp tiền . Chi phí và thời gian ước tính được tính toán dựa trên cấu hình của bạn (kích thước mô hình, hình ảnh tập dữ liệu, số epoch, v.v.), GPU tốc độ).

Bước 6: Bắt đầu huấn luyện

Nhấp vào Bắt đầu huấn luyện để khởi chạy tác vụ của bạn. Nền tảng sẽ:

1. Cấp phát một phiên bản GPU
2. Tải xuống tập dữ liệu của bạn
3. Bắt đầu huấn luyện
4. Truyền trực tiếp các chỉ số theo thời gian thực

Chu kỳ công việc đào tạo

Quá trình đào tạo diễn ra qua các giai đoạn sau:

Giám sát huấn luyện

Xem tiến trình huấn luyện theo thời gian thực trên tab Huấn luyện của trang mô hình:

Tab con Biểu đồ

Tab phụ Console

Hiển thị dữ liệu trực tiếp trên bảng điều khiển với hỗ trợ màu ANSI, thanh tiến trình và chức năng phát hiện lỗi.

Tab phụ Hệ thống

Thời gian thực GPU mức sử dụng, bộ nhớ, nhiệt độ, CPU và mức sử dụng ổ đĩa.

Điểm kiểm tra

Các điểm kiểm tra được lưu tự động:

• Mỗi epoch: Các trọng số mới nhất được lưu
• Mô hình tốt nhất: Điểm kiểm tra có mAP cao nhất được giữ lại
• Mô hình cuối cùng: Các trọng số khi quá trình huấn luyện hoàn tất

Hủy Huấn luyện

Nhấp vào Hủy Huấn luyện trên trang mô hình để dừng một công việc đang chạy:

• Phiên bản điện toán đã bị chấm dứt.
• Tín dụng ngừng bị tính phí
• Các checkpoint đã lưu đến thời điểm đó được bảo toàn

Huấn luyện từ xa

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

    style A fill:#FF9800,color:#fff
    style C fill:#2196F3,color:#fff
    style E fill:#4CAF50,color:#fff

Thực hiện huấn luyện trên phần cứng của riêng bạn đồng thời truyền dữ liệu số liệu lên nền tảng.

pip install -U ultralytics

Thiết lập khóa API

1. Đi đến Settings > Profile (Mục Khóa API)
2. Tạo một khóa mới (hoặc nền tảng tự động tạo một khóa khi bạn mở tab Huấn luyện cục bộ)
3. Đặt biến môi trường:

export ULTRALYTICS_API_KEY="YOUR_API_KEY"

Huấn luyện với truyền phát

Sử dụng project và name các tham số để truyền các chỉ số:

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

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
model.train(
    data="coco.yaml",
    epochs=100,
    project="username/my-project",
    name="experiment-1",
)

Tab Huấn luyện cục bộ trong hộp thoại huấn luyện hiển thị một lệnh được cấu hình sẵn với khóa API của bạn, các tham số đã chọn và các đối số nâng cao đi kèm.

Sử dụng tập dữ liệu nền tảng

Huấn luyện với các tập dữ liệu được lưu trữ trên nền tảng bằng cách sử dụng... ul:// Định dạng URI:

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",
)

Hàm ul:// Định dạng URI tự động tải xuống và cấu hình tập dữ liệu của bạn. Mô hình được tự động liên kết với tập dữ liệu trên nền tảng (xem Sử dụng tập dữ liệu nền tảng).

Thanh toán

Chi phí huấn luyện dựa trên mức sử dụng GPU:

Ước tính chi phí

Trước khi quá trình huấn luyện bắt đầu, nền tảng ước tính tổng chi phí bằng cách:

1. Ước tính số giây mỗi epoch từ kích thước tập dữ liệu, độ phức tạp của mô hình, kích thước hình ảnh, kích thước batch và tốc độ GPU
2. Tính tổng thời gian huấn luyện bằng cách nhân số giây mỗi epoch với số lượng epoch, sau đó cộng thêm chi phí khởi động.
3. Tính toán chi phí ước tính từ tổng số giờ đào tạo nhân với giá mỗi giờ của GPU

Các yếu tố ảnh hưởng đến chi phí:

Ví dụ về chi phí

Quy trình thanh toán

graph LR
    A[Estimate Cost] --> B[Balance Check]
    B --> C[Train]
    C --> D[Charge Actual Runtime]

    style A fill:#2196F3,color:#fff
    style B fill:#FF9800,color:#fff
    style C fill:#9C27B0,color:#fff
    style D fill:#4CAF50,color:#fff

Quy trình thanh toán đào tạo trên đám mây:

1. Ước tính : Chi phí được tính toán trước khi khóa đào tạo bắt đầu.
2. Kiểm tra số dư: Số tín dụng khả dụng được kiểm tra trước khi khởi chạy
3. Huấn luyện: Tác vụ chạy trên tài nguyên tính toán đã chọn
4. Tính phí: Chi phí cuối cùng dựa trên thời gian chạy thực tế

Thanh toán theo Trạng thái công việc

Phương thức thanh toán

Xem chi phí huấn luyện

Sau khi huấn luyện, xem chi phí chi tiết trong tab Thanh toán:

• Phân tích chi phí theo từng epoch
• Tổng thời gian GPU
• Tải báo cáo chi phí

Mẹo huấn luyện

Chọn kích thước mô hình phù hợp

Tối ưu thời gian huấn luyện

Khắc phục sự cố

Câu hỏi thường gặp

Thời gian huấn luyện mất bao lâu?

Thời gian huấn luyện phụ thuộc vào:

• Kích thước tập dữ liệu
• Kích thước mô hình
• Số lượng epoch
• GPU được chọn

Thời gian điển hình (1000 ảnh, 100 epoch):

Có thể huấn luyện qua đêm không?

Có, quá trình huấn luyện sẽ tiếp tục cho đến khi hoàn thành. Bạn sẽ nhận được thông báo khi quá trình huấn luyện kết thúc. Đảm bảo tài khoản của bạn có đủ số dư cho việc huấn luyện dựa trên epoch.

Điều gì xảy ra nếu tôi hết tín dụng?

Nếu số dư tín dụng của bạn đạt đến 0 trong quá trình chạy huấn luyện, quá trình huấn luyện sẽ tiếp tục cho đến khi hoàn tất và số dư của bạn sẽ chuyển sang âm. Điều này đảm bảo công việc huấn luyện của bạn không bao giờ bị gián đoạn giữa chừng.

Sau khi quá trình huấn luyện hoàn tất, bạn sẽ cần nạp thêm tín dụng để số dư của mình trở lại dương trước khi bắt đầu các công việc huấn luyện mới. Mô hình đã hoàn thành, các điểm kiểm tra và tất cả các tạo phẩm huấn luyện của bạn được bảo toàn đầy đủ bất kể số dư.

Điều gì sẽ xảy ra nếu chi phí đào tạo của tôi cao hơn so với dự toán?

Ước tính chi phí là gần đúng — thời gian huấn luyện thực tế có thể thay đổi do các yếu tố như tốc độ tải dữ liệu, thời gian khởi động GPU và hành vi hội tụ của mô hình. Nếu chi phí thực tế vượt quá ước tính, số dư của bạn có thể âm (xem ở trên). Nền tảng không dừng huấn luyện dựa trên ước tính.

Để quản lý chi phí:

• Theo dõi tiến độ đào tạo theo thời gian thực và hủy sớm nếu cần.
• Kích hoạt tính năng nạp tiền tự động để tự động bổ sung số dư tài khoản.
• Hãy bắt đầu với các lần chạy ngắn hơn (ít chu kỳ hơn) để điều chỉnh kỳ vọng.

Có thể sử dụng các đối số huấn luyện tùy chỉnh không?

Vâng, hãy mở rộng phần Cài đặt nâng cao trong hộp thoại huấn luyện để truy cập trình chỉnh sửa YAML với hơn 40 tham số có thể cấu hình. Các giá trị không mặc định được bao gồm trong cả lệnh huấn luyện trên đám mây và cục bộ.

Trình soạn thảo YAML cũng hỗ trợ nhập cấu hình từ các lần huấn luyện trước đó :

• Sao chép từ mô hình hiện có: Trên trang của bất kỳ mô hình đã hoàn thành nào, thẻ Cấu hình Huấn luyện có nút Sao chép dưới dạng JSON. Sao chép JSON và dán trực tiếp vào trình chỉnh sửa YAML — nó tự động detect định dạng JSON và nhập tất cả các tham số.
• Dán YAML hoặc JSON: Dán bất kỳ cấu hình huấn luyện YAML hoặc JSON hợp lệ nào vào trình chỉnh sửa. Các tham số được xác thực tự động, với các giá trị ngoài phạm vi được kẹp và cảnh báo được hiển thị.
• Kéo và thả tệp: Kéo một .yaml hoặc .json Sao chép trực tiếp tệp vào trình chỉnh sửa để nhập các tham số của nó.

Điều này giúp dễ dàng tái tạo hoặc cải tiến các cấu hình huấn luyện trước đó mà không cần nhập lại thủ công từng tham số.

Tôi có thể huấn luyện từ trang tập dữ liệu không?

Đúng vậy, nút "Train" trên các trang dữ liệu sẽ mở hộp thoại huấn luyện với tập dữ liệu đã được chọn sẵn và khóa. Sau đó, bạn chọn một dự án và mô hình để bắt đầu huấn luyện.

Tham khảo tham số huấn luyện

📅 Được tạo 2 tháng trước ✏️ Cập nhật 11 ngày trước

Bình luận