Ultralytics YOLO27：
Get Started

借助 Google Colab 加速 YOLO26 项目#

许多开发者缺少构建深度学习模型所需的强大计算资源。购置高端硬件或租用性能不错的 GPU 可能成本高昂。Google Colab 是解决这一问题的好选择。它是一个基于浏览器的平台，让你无需花费太多，就能处理大型数据集、开发复杂模型并与他人分享成果。



观看： 如何在你的自定义数据集上使用 Google Colab 训练 Ultralytics YOLO26 模型

你可以使用 Google Colab 开展与 Ultralytics YOLO26 模型相关的项目。Google Colab 易于使用的环境非常适合高效地开发和试验模型。让我们进一步了解 Google Colab 的主要功能，以及如何使用它训练 YOLO26 模型。

Google Colaboratory#

Google Colaboratory 通常称为 Google Colab，由 Google Research 于 2017 年开发。它是一个免费的在线云端 Jupyter Notebook 环境，让你可以使用 CPU、GPU 和 TPU 训练机器学习和深度学习模型。开发 Google Colab 的初衷，是为了实现 Google 推进 AI 技术和教育工具发展、鼓励使用云服务的更广泛目标。

无论本地计算机的规格和配置如何，你都可以使用 Google Colab。你只需要一个 Google 账号和一个 Web 浏览器。

使用 Google Colaboratory 训练 YOLO26#

在 Google Colab 上训练 YOLO26 模型非常简单。你可以打开 Google Colab YOLO26 Notebook，立即开始训练模型。如需详细了解模型训练流程和最佳实践，请参阅我们的 YOLO26 模型训练指南。

使用 Google Colab 时的常见问题#

使用 Google Colab 时，你可能会遇到一些常见问题。下面一起来解答。

问：为什么我的 Google Colab 会话会超时？ 答：Google Colab 会话可能因闲置而超时，免费用户尤其如此，因为免费用户的会话时长有限。

问：我可以延长 Google Colab 会话时长吗？ 答：免费用户会受到限制，但 Google Colab Pro 可提供更长的会话时长。

问：如果会话意外关闭，我该怎么办？ 答：定期将工作保存到 Google Drive 或 GitHub，避免丢失尚未保存的进度。

问：如何查看会话状态和资源使用情况？ 答：Colab 界面提供“RAM 使用量”和“磁盘使用量”指标，可用于监控资源。

问：我可以同时运行多个 Colab 会话吗？ 答：可以，但要留意资源使用情况，以免出现性能问题。

问：Google Colab 对 GPU 访问有限制吗？ 答：有。免费用户的 GPU 访问受限，但 Google Colab Pro 提供了更多使用选项。

Google Colab 的主要功能#

接下来，我们来看看 Google Colab 的一些突出功能，了解它为何成为机器学习项目的首选平台：

  • 库支持：Google Colab 预装了用于数据分析和机器学习的库，并允许根据需要安装其他库。它还支持多种用于创建交互式图表和可视化内容的库。

  • 硬件资源：用户还可以按照下方所示修改运行时设置，在不同的硬件选项之间切换。Google Colab 支持使用 NVIDIA T4、L4 和 A100 等 GPU，以及专为机器学习任务设计的专用电路 TPU。

用于选择 GPU 的 Google Colab 运行时设置

  • 协作：Google Colab 让你可以轻松地与其他开发者协作。你可以轻松地与他人分享 Notebook 并实时编辑。

  • 自定义环境：用户可以安装依赖项、配置系统，并直接在 Notebook 中使用 shell 命令。

  • 学习资源：Google Colab 提供多种教程和示例 Notebook，帮助用户学习并探索各种功能。

为什么要使用 Google Colab 开展 YOLO26 项目？#

训练和评估 YOLO26 模型有许多选择，那么与 Google Colab 的集成有何独特之处？下面一起来了解这种集成的优势：

  • 零配置：由于 Colab 在云端运行，用户无需复杂的环境配置即可立即开始训练模型。只需创建账号并开始编写代码。

  • 表单支持：它允许用户创建用于输入参数的表单，从而更轻松地尝试不同的值。

  • 与 Google Drive 集成：Colab 与 Google Drive 无缝集成，让数据的存储、访问和管理变得简单。你可以直接在 Google Drive 中存储和检索数据集及模型。

  • Markdown 支持：你可以在 Notebook 中使用 Markdown 格式，以完善文档。

  • 计划执行：开发者可以将 Notebook 设置为在指定时间自动运行。

  • 扩展和小组件：Google Colab 支持通过第三方扩展和交互式小组件添加功能。

在 Google Colab 上使用 YOLO26 的技巧#

使用 Google Colab 处理 YOLO26 模型时，参考以下实用技巧，充分利用 Colab：

  • 启用 GPU 加速：始终在运行时设置中启用 GPU 加速，以显著加快训练速度。
  • 保持网络连接稳定：由于 Colab 在云端运行，请确保网络连接稳定，避免训练期间中断。
  • 整理文件：将数据集和模型存储在 Google Drive 或 GitHub 中，以便在 Colab 中轻松访问和管理。
  • 优化内存使用：如果免费版的内存有限，可以尝试在训练时减小图像尺寸或批次大小。
  • 定期保存：由于 Colab 会话有时间限制，请经常保存模型和结果，以免丢失进度。

继续学习 Google Colab#

如果你想深入了解 Google Colab，以下资源可以为你提供指引。

总结#

我们介绍了如何在 Google Colab 上轻松试用 Ultralytics YOLO26 模型。只需点击几下，你就可以使用 Google Colab 在 GPU 和 TPU 上训练并评估模型，因此，即使没有高端硬件，开发者也能轻松使用这个平台。

如需了解详情，请访问 Google Colab 常见问题页面。

想了解更多 YOLO26 集成？访问 Ultralytics 集成指南页面，探索可改进机器学习项目的其他工具和功能；也可以查看 Kaggle 集成，了解另一种基于云的替代方案。

常见问题#

  • 要开始在 Google Colab 上训练 Ultralytics YOLO26 模型，请先登录 Google 账号，然后打开 Google Colab YOLO26 笔记本。此笔记本会引导你完成设置和训练流程。启动笔记本后，按步骤运行各个单元格来训练模型。完整指南请参阅 YOLO26 模型训练指南。

  • 使用 Google Colab 训练 YOLO26 模型有以下几项优势：

    • 无需配置：无需预先设置环境；只需登录即可开始编写代码。
    • 免费使用 GPU：无需购买昂贵的硬件，即可使用高性能 GPU 或 TPU。
    • 与 Google Drive 集成：轻松存储和访问数据集及模型。
    • 协作：与他人共享笔记本并实时协作。

    如需了解使用 Google Colab 的更多原因，请阅读训练指南，并访问 Google Colab 页面。

  • Google Colab 会话会因不活动而超时，免费用户尤其如此。你可以这样应对：

    1. 保持活跃：定期与 Colab 笔记本交互。
    2. 保存进度：持续将工作保存到 Google Drive 或 GitHub。
    3. Colab Pro：可以考虑升级到 Google Colab Pro，以延长会话时长。

    如需了解管理 Colab 会话的更多技巧，请访问 Google Colab 常见问题页面。

  • 可以，你可以在 Google Colab 中使用自定义数据集训练 YOLO26 模型。将数据集上传到 Google Drive，然后直接加载到 Colab 笔记本中。你可以按照 Nicolai 的 YouTube 指南如何使用自定义数据集训练 YOLO26 模型进行操作，也可以参阅自定义数据集训练指南，了解详细步骤。

  • 如果你的 Google Colab 训练会话中断：

    1. 定期保存：定期将工作保存到 Google Drive 或 GitHub，避免丢失尚未保存的进度。
    2. 恢复训练：重新启动会话，加载已中断运行的 last.pt 检查点，然后使用 model.train(resume=True) 继续训练（请参阅恢复中断的训练）。
    3. 使用检查点：将训练 project 目录保存到 Google Drive，以便在运行时断开后仍能保留 last.pt，并使用 save_period 定期保存 epoch 检查点。

    这些做法有助于确保你的进度得到妥善保存。你可以在 Google Colab 常见问题页面了解更多会话管理信息。

贡献者
GLglenn-jocher17RIRizwanMunawar3RAraimbekovm1PDpderrenger1ONonuralpszr1DAdarouwan1ABabirami-vina1

评论