Training Model#
Ultralytics Platform cung cấp các công cụ toàn diện để đào tạo model YOLO, từ tổ chức các thử nghiệm đến chạy các tác vụ đào tạo trên cloud với tính năng streaming metric theo thời gian thực.
Watch: Get Started with Ultralytics Platform - Train
Tổng quan#
Phần Training giúp bạn:
- Tổ chức model vào các project để dễ quản lý hơn
- Đào tạo trên GPU cloud chỉ với một cú nhấp chuột
- Theo dõi metric theo thời gian thực trong quá trình đào tạo
- So sánh hiệu suất model giữa các thử nghiệm
- Export sang 20 định dạng triển khai (xem các định dạng được hỗ trợ)
Workflow#
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| Giai đoạn | Mô tả |
|---|---|
| Project | Tạo workspace để tổ chức các model liên quan |
| Cấu hình | Chọn dataset, model cơ sở và các tham số đào tạo |
| Train | Chạy trên GPU cloud hoặc phần cứng cục bộ của bạn |
| Theo dõi | Xem các đường cong loss và metric theo thời gian thực |
| Export | Chuyển đổi sang 20 định dạng triển khai (chi tiết) |
Tùy chọn đào tạo#
Ultralytics Platform hỗ trợ nhiều phương thức đào tạo:
| Method | Mô tả | Phù hợp nhất cho |
|---|---|---|
| Đào tạo trên Cloud | Đào tạo trên GPU Cloud của Ultralytics | Không cần GPU cục bộ, có khả năng mở rộng |
| Đào tạo cục bộ | Đào tạo cục bộ, streaming metric lên platform | Tận dụng phần cứng hiện có, bảo mật riêng tư |
| Đào tạo trên Colab | Sử dụng Google Colab với tính năng tích hợp platform | Truy cập GPU miễn phí |
Khi bạn chọn GPU có chi phí thấp hơn RTX PRO 6000 và tài nguyên do Ultralytics quản lý đang còn trống, Platform sẽ chạy tác vụ của bạn trên RTX PRO 6000 nhưng vẫn tính phí theo mức giá theo giờ của GPU đã chọn. Tác vụ có thể hoàn tất nhanh hơn và tốn ít chi phí hơn so với khi chạy trên GPU đã chọn — việc nâng cấp này không bao giờ làm tăng thời gian hoặc chi phí.
Tùy chọn GPU#
Các GPU khả dụng cho việc đào tạo trên cloud của Ultralytics:
| GPU | Thế hệ | VRAM | Chi phí/Giờ | Phù hợp nhất cho |
|---|---|---|---|---|
| RTX 2000 Ada | Ada | 16 GB | $0.24 | Dataset nhỏ, testing |
| RTX A4500 | Ampere | 20 GB | $0.25 | Dataset nhỏ đến vừa |
| RTX 4000 Ada | Ada | 20 GB | $0.26 | Dataset vừa |
| RTX A5000 | Ampere | 24 GB | $0.27 | Dataset vừa |
| L4 | Ada | 24 GB | $0.39 | Được tối ưu cho inference |
| A40 | Ampere | 48 GB | $0.44 | Batch size lớn hơn |
| RTX 3090 | Ampere | 24 GB | $0.46 | Training tổng quát |
| RTX A6000 | Ampere | 48 GB | $0.49 | Model lớn |
| RTX PRO 4000 | Blackwell | 24 GB | $0.57 | Blackwell tiết kiệm chi phí |
| RTX PRO 4500 | Blackwell | 32 GB | $0.64 | Tỷ lệ giá/hiệu năng tốt |
| RTX 4090 | Ada | 24 GB | $0.69 | Tỷ lệ giá/hiệu năng tốt nhất |
| RTX 6000 Ada | Ada | 48 GB | $0.77 | Huấn luyện với batch lớn |
| L40S | Ada | 48 GB | $0.86 | Huấn luyện với batch lớn |
| RTX PRO 5000 | Blackwell | 48 GB | $0.96 | Huấn luyện với batch lớn |
| RTX 5090 | Blackwell | 32 GB | $0.99 | Thế hệ mới nhất dành cho người dùng phổ thông |
| L40 | Ada | 48 GB | $0.99 | Model lớn |
| A100 PCIe | Ampere | 80 GB | $1.39 | Huấn luyện cho môi trường production |
| A100 SXM | Ampere | 80 GB | $1.49 | Huấn luyện cho môi trường production |
| RTX PRO 6000 | Blackwell | 96 GB | $2.09 | Mặc định được khuyến nghị |
| H100 PCIe | Hopper | 80 GB | $2.89 | Huấn luyện hiệu năng cao |
| H100 NVL | Hopper | 94 GB | $3.19 | Hiệu năng tối đa |
| H100 SXM | Hopper | 80 GB | $3.29 | Huấn luyện nhanh nhất |
| H200 NVL | Hopper | 143 GB | $3.39 | Bộ nhớ tối đa |
| H200 SXM | Hopper | 141 GB | $4.39 | Hiệu năng tối đa |
| B200 | Blackwell | 180 GB | $5.89 | Các model lớn (Pro+) |
| B300 | Blackwell | 288 GB | $7.39 | Các model lớn nhất (Pro+) |
GPU B200 và B300 yêu cầu gói Pro hoặc Enterprise. Tất cả GPU khác đều khả dụng trên mọi gói, bao gồm Free.
Tài khoản mới nhận được credit đăng ký để đào tạo. Xem Billing để biết chi tiết.
Metric theo thời gian thực#
Trong quá trình đào tạo, hãy xem metric trực tiếp trên ba tab phụ:
graph LR
A[Charts]:::start --> B[Loss Curves]:::out
A --> C[Task Metrics]:::out
D[Console]:::start --> E[Live Logs]:::out
D --> F[Error Detection]:::out
G[System]:::start --> H[GPU, CPU & Memory]:::out
G --> I[Network & Disk I/O]:::out
classDef start fill:#4CAF50,color:#fff
classDef out fill:#9C27B0,color:#fff| Subtab | Các chỉ số |
|---|---|
| Charts | Metric của tác vụ (mAP50, mAP50-95, precision, recall cho detection), loss train/val, learning rate |
| Console | Log đào tạo trực tiếp với màu ANSI và tính năng tự động phát hiện lỗi |
| System | Mức sử dụng GPU, bộ nhớ và nhiệt độ GPU, CPU, RAM, network và disk I/O |
Checkpoint tốt nhất (best.pt, epoch có fitness cao nhất) được tải lên Platform định kỳ trong khi
tác vụ đào tạo đang chạy và một lần nữa khi tác vụ kết thúc, để việc download, export và triển khai luôn sử dụng epoch tốt nhất
đã được tạo ra cho đến thời điểm đó. Các tác vụ bị hủy vẫn giữ checkpoint gần nhất đã hoàn tất quá trình tải lên.
Bắt đầu nhanh#
Bắt đầu đào tạo trên cloud trong chưa đầy một phút:
- Tạo project trong thanh bên
- Nhấp vào New Model
- Chọn model, dataset và GPU
- Nhấp vào Start Training
Liên kết nhanh#
- Projects: Tổ chức model và experiment
- Models: Quản lý các checkpoint đã đào tạo
- Cloud Training: Train trên cloud GPU
- AutoTrain: Sủ dụng Ask AI để chạy các thực nghiệm và so sánh các model
FAQ#
Thời gian đào tạo phụ thuộc vào:
- Kích thước dataset (số lượng ảnh)
- Kích thước model (n, s, m, l, x)
- Số lượng epoch
- Loại GPU đã chọn
Estimator hiện tại dự đoán khoảng 6 phút cho 1000 ảnh, YOLO26n, 100 epoch trên RTX PRO 6000 và khoảng 2 phút cho 500 ảnh, YOLO26n, 50 epoch trên RTX 4090. Thời lượng thực tế có thể thay đổi; hãy sử dụng ước tính trực tiếp trong hộp thoại đào tạo cho dataset và cấu hình đã chọn. Xem ví dụ về chi phí.
Có. Giới hạn đào tạo cloud đồng thời phụ thuộc vào gói của bạn: Free cho phép 3 tác vụ, Pro cho phép 10 tác vụ và Enterprise không giới hạn. Để đào tạo song song bổ sung, hãy sử dụng remote training từ nhiều máy.
Nếu quá trình đào tạo không thành công:
- Model được đánh dấu là không thành công và instance compute bị chấm dứt
- Trang model hiển thị banner lỗi với lỗi đã ghi nhận, liên kết đến đầu ra của console và thao tác Retry mở lại hộp thoại đào tạo với cùng cấu hình
- Tác vụ ngừng báo cáo hoạt động trong vài giờ sẽ tự động được đánh dấu là không thành công và tài nguyên compute của tác vụ được giải phóng
- Nếu compute trên cloud đã khởi động, thời gian GPU đã sử dụng sẽ bị tính phí; các lỗi xảy ra trước khi compute khởi động không bị tính phí sử dụng GPU
Tình huống GPU được khuyến nghị Hầu hết tác vụ đào tạo RTX PRO 6000 Dataset lớn hoặc batch size lớn H100 SXM hoặc H200 Ưu tiên tiết kiệm chi phí RTX 4090