Đào tạo trên Đám mây

Tính năng Đào tạo trên Đám mây của Ultralytics Platform cung cấp khả năng huấn luyện chỉ với một cú nhấp chuột trên các GPU đám mây, giúp việc huấn luyện model trở nên dễ tiếp cận mà không cần thiết lập phức tạp. Huấn luyện các model YOLO với luồng chỉ số thời gian thực và tự động lưu checkpoint.

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

Hộp thoại Huấn luyện

Bắt đầu huấn luyện từ giao diện UI của nền tảng bằng cách nhấp vào New Model trên bất kỳ trang dự án nào (hoặc Train từ trang dataset). Hộp thoại huấn luyện có hai tab: Cloud Training và Local Training.

Bước 1: Chọn Model Cơ sở

Chọn từ các model YOLO26 chính thức hoặc các model đã được huấn luyện của riêng bạn:

Các model chính thức được phân loại theo loại tác vụ (Detect, Segment, Pose, OBB, Classify) với các kích thước từ nano đến xlarge.

Bước 2: Chọn Dataset

Chọn dataset để huấn luyện (xem Datasets):

Bước 3: Cấu hình Tham số

Thiết lập các tham số huấn luyện cốt lõi:

Bước 4: Cài đặt Nâng cao (Tùy chọn)

Mở rộng Advanced Settings 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 tham chiếu cấu hình):

Các tham số đều nhận diện tác vụ (ví dụ: copy_paste chỉ hiển thị cho các tác vụ segment, pose/kobj chỉ dành cho các tác vụ pose). Huy hiệu Modified sẽ xuất hiện khi các giá trị khác với mặc định, và bạn có thể khôi phục tất cả về mặc định bằng nút reset.

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 và nút Top Up. Chi phí và thời gian dự kiến được tính toán dựa trên cấu hình của bạn (kích thước model, số lượng ảnh trong dataset, epochs, tốc độ GPU).

Bước 6: Bắt đầu Huấn luyện

Nhấp vào Start Training để khởi chạy công việc của bạn. Nền tảng sẽ:

1. Cấp phát một instance GPU
2. Tải xuống dataset của bạn
3. Bắt đầu huấn luyện
4. Truyền phát chỉ số theo thời gian thực

Vòng đời Công việc Huấn luyện

Các công việc huấn luyện sẽ tiến triển qua các trạng thái sau:

Giám sát huấn luyện

Xem tiến trình huấn luyện thời gian thực trên tab Train của trang model:

Subtab Biểu đồ (Charts)

Tab phụ Console

Đầu ra console trực tiếp với hỗ trợ màu ANSI, thanh tiến trình và phát hiện lỗi.

Tab phụ System

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

Checkpoint

Sau khi quá trình huấn luyện hoàn tất, model tốt nhất (best.pt, checkpoint có mAP cao nhất) sẽ được tải lên nền tảng và sẵn sàng để tải xuống, xuất và triển khai.

Hủy huấn luyện

Nhấp vào Cancel Training trên trang model để dừng công việc đang chạy:

• Instance tính toán bị chấm dứt
• Tín dụng dừng bị tính phí
• Checkpoint tốt nhất vẫn khả dụng nếu đã đạt được trước khi hủy

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

Huấn luyện trên phần cứng của riêng bạn trong khi truyền tải các metric đến nền tảng.

pip install -U ultralytics

Thiết lập API Key

1. Đi tới Settings > API Keys
2. Tạo một key mới (hoặc nền tảng sẽ tự động tạo một key khi bạn mở tab Local Training)
3. Thiết lập biến môi trường:

export ULTRALYTICS_API_KEY="YOUR_API_KEY"

Huấn luyện với Streaming

Sử dụng các tham số project và name để truyền tải các metric:

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

Tab Local Training trong hộp thoại huấn luyện hiển thị một lệnh được cấu hình sẵn cùng với API key, các tham số đã chọn và các đối số nâng cao đi kèm.

Sử dụng Datasets của Nền tảng

Huấn luyện với các dataset được lưu trữ trên nền tảng bằng định dạng URI ul://:

yolo train model=yolo26n.pt data=ul://username/datasets/my-dataset epochs=100 \
  project=username/my-project name=exp1

Định dạng URI ul:// sẽ tự động tải xuống và cấu hình dataset của bạn. Model sẽ được tự động liên kết với dataset trên nền tảng (xem Sử dụng Datasets của Nền tảng).

Thanh toán

Chi phí huấn luyện dựa trên mức sử dụng GPU:

Ước tính Chi phí

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

1. Ước tính giây mỗi epoch từ kích thước dataset, độ phức tạp của model, kích thước ảnh, batch size và tốc độ GPU
2. Tính toán tổng thời gian huấn luyện bằng cách nhân 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 huấn luyện nhân với giá theo 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 huấn luyện trên đám mây:

1. Ước tính: Chi phí được tính trước khi bắt đầu huấn luyện
2. Kiểm tra Số dư: Tín dụng khả dụng được kiểm tra trước khi khởi chạy
3. Huấn luyện: Công việc chạy trên nền tảng 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 Billing:

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

Mẹo Huấn luyện

Chọn Kích thước Model phù hợp

Tối ưu hóa Thời gian Huấn luyện

Khắc phục sự cố

Câu hỏi thường gặp (FAQ)

Huấn luyện mất bao lâu?

Thời gian huấn luyện phụ thuộc vào:

• Kích thước tập dữ liệu
• Kích thước model
• Số lượng epoch
• GPU đã chọn

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

Tôi có thể huấn luyện qua đêm không?

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

Điều gì xảy ra nếu tôi hết tín dụng?

Nếu số dư tín dụng của bạn bằng 0 trong quá trình huấn luyện, quá trình huấn luyện vẫn tiếp tục cho đến khi hoàn tất và số dư của bạn sẽ trở thành âm. Điều này đảm bảo tác vụ huấn luyện của bạn không bao giờ bị gián đoạn giữa chừng.

Sau khi huấn luyện hoàn tất, bạn sẽ cần nạp thêm tín dụng để đưa số dư về mức dương trước khi bắt đầu các tác vụ huấn luyện mới. Model đã hoàn thiện, các checkpoint và tất cả các artifact huấn luyện đều được bảo toàn đầy đủ bất kể số dư.

Điều gì xảy ra nếu chi phí huấn luyện của tôi cao hơn ước tính?

Ước tính chi phí chỉ mang tính tương đối — 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 model. Nếu chi phí thực tế vượt quá ước tính, số dư của bạn có thể trở thành âm (xem ở trên). Nền tảng không dừng huấn luyện dựa trên ước tính này.

Để quản lý chi phí:

• Theo dõi tiến trình huấn luyện theo thời gian thực và hủy sớm nếu cần
• Bật auto top-up để tự động nạp lại tín dụng
• Bắt đầu với các lượt chạy ngắn hơn (ít epoch hơn) để hiệu chỉnh kỳ vọng

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

Có, hãy mở rộng phần Advanced Settings trong hộp thoại huấn luyện để truy cập trình soạn thảo YAML với hơn 40 tham số có thể cấu hình. Các giá trị không mặc định sẽ 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 lượt huấn luyện trước đó:

• Sao chép từ model hiện có: Trên trang của bất kỳ model nào đã hoàn tất, thẻ Cấu hình Huấn luyện có nút Copy as JSON. Hãy sao chép JSON và dán trực tiếp vào trình soạn thảo YAML — nó sẽ tự động phát hiện 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 soạn thảo. Các tham số được xác thực tự động, với các giá trị ngoài phạm vi được cắt bớt và hiển thị cảnh báo.
• Kéo và thả tệp: Kéo trực tiếp tệp .yaml hoặc .json vào trình soạn thảo để nhập các tham số của nó.

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

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

Có, nút Train trên các trang tập dữ liệu sẽ mở hộp thoại huấn luyện với tập dữ liệu đã được chọn trước và khóa lại. Sau đó, bạn chọn project và model để bắt đầu huấn luyện.

Tham chiếu tham số huấn luyện