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

Hãy chọn giữa các mô hình chính thức của YOLO26 hoặc các mô hình do chính bạn huấn luyện:

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 Biểu tượng cảnh báo sẽ xuất hiện khi các giá trị khác với giá trị mặc định, và bạn có thể đặt lại tất cả về giá trị 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)

Hãy chọn của bạn GPU từ Ultralytics Đám mây:

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 phụ Biểu đồ

Tab phụ Bảng điều khiển

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 nút Hủy huấn luyện trên trang mô hình để dừng một tác vụ đang chạy:

• Phiên bản điện toán đã bị chấm dứt.
• Tín dụng ngừng bị tính phí
• Các điểm lưu đã đạt được cho đến thời điểm đó sẽ được giữ nguyên.

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 (Phần Khóa API)
2. Tạo khóa mới (hoặc nền tảng sẽ tự động tạo khóa khi bạn mở tab Đào tạo 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 khóa đào tạo bắt đầu, nền tảng này ước tính tổng chi phí bằng cách:

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

Các yếu tố ảnh hưởng đến chi phí:

Ví dụ về chi phí

Quy trình lập hóa đơn

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 nền tảng đám mây:

1. Ước tính : Chi phí được tính toán trước khi khóa đào tạo bắt đầu.
2. Kiểm tra số dư : Số dư tín dụng hiện có sẽ được kiểm tra trước khi khởi chạy.
3. Đào tạo : Công việc chạy trên máy tính đã chọn
4. Chi phí : Giá cuối cùng được tính dựa trên thời gian thực tế sử dụng.

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?

Quá trình huấn luyện tạm dừng vào cuối epoch hiện tại. Điểm kiểm tra của bạn được lưu và bạn có thể tiếp tục sau khi nạp thêm tín dụng.

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.

Tôi có thể huấn luyện từ trang dữ liệu được 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 1 tháng trước ✍️ Cập nhật 5 ngày trước

Bình luận