Ultralytics YOLO27：

使用 Paperspace Gradient 简化 YOLO26 模型训练#

训练 YOLO26 等计算机视觉模型可能很复杂。这涉及管理大型数据集、使用不同类型的计算机硬件（如 GPU、TPU 和 CPU），并确保数据在训练过程中顺畅流动。通常，开发者最终会花费大量时间管理计算机系统和环境。当你只想专注于构建最佳模型时，这可能会令人沮丧。

这正是 Paperspace Gradient 这类平台可以让事情变得更简单的地方。Paperspace Gradient 是一个 MLOps 平台，让你可以在同一处构建、训练和部署机器学习模型。借助 Gradient，开发者可以专注于训练 YOLO26 模型，而不必费心管理基础设施和环境。

Paperspace#

Paperspace GPU cloud computing for ML training

Paperspace 于 2014 年由密歇根大学毕业生创立，并于 2023 年被 DigitalOcean 收购，是一个专为机器学习设计的云平台。它为用户提供强大的 GPU、协作式 Jupyter 笔记本、用于部署的容器服务、用于机器学习任务的自动化工作流，以及高性能虚拟机。这些功能旨在简化从编码到部署的整个机器学习开发流程。

Paperspace Gradient#

Paperspace Gradient cloud ML platform

Paperspace Gradient 是一套工具，旨在让你在云端使用 AI 和机器学习时更加快速、轻松。Gradient 覆盖完整的机器学习生命周期，从构建和训练模型到部署模型。

其工具包通过作业运行器支持 Google 的 TPU，全面支持 Jupyter 笔记本和容器，并提供新的编程语言集成。它尤其重视语言集成，让用户可以轻松调整现有的 Python 项目，以使用现有的最先进 GPU 基础设施。

使用 Paperspace Gradient 训练 YOLO26#

借助 Paperspace Gradient，只需点击几下即可训练 YOLO26 模型。得益于这种集成，你可以访问 Paperspace 控制台并立即开始训练模型。有关模型训练流程和最佳实践的详细说明，请参阅我们的 YOLO26 模型训练指南。

登录后，点击下图所示的“Start Machine”按钮。几秒钟内，托管 GPU 环境就会启动，随后你便可以运行笔记本中的单元格。

使用 Paperspace Gradient 训练 YOLO26

在 Ultralytics 创始人 Glenn Jocher 与 Paperspace 的 James Skelton 的讨论中，进一步了解 YOLO26 和 Paperspace Gradient 的更多功能。请观看下方的讨论。



Watch: Ultralytics Live Session 7: It's All About the Environment: Optimizing YOLO26 Training With Gradient

Paperspace Gradient 的主要功能#

探索 Paperspace 控制台时，你会看到机器学习工作流的每一步都得到了支持和增强。以下是一些值得关注的功能：

  • 一键式笔记本： Gradient 提供专为 YOLO26 定制的预配置 Jupyter 笔记本，无需设置环境或管理依赖项。只需选择所需的笔记本，即可立即开始实验。

  • 硬件灵活性： 你可以从多种机器类型中进行选择，它们提供不同的 CPU、GPU 和 TPU 配置，以满足你的训练需求和预算。Gradient 负责处理所有后端设置，让你可以专注于模型开发。

  • 实验跟踪： Gradient 会自动跟踪你的实验，包括超参数、指标和代码变更。这样你可以轻松比较不同的训练运行、找出最佳配置，并复现成功的结果。

  • 数据集管理： 直接在 Gradient 中高效管理数据集。你可以轻松上传、版本控制和预处理数据，从而简化项目的数据准备阶段。

  • 模型服务： 只需点击几下，即可将训练好的 YOLO26 模型部署为 REST API。Gradient 负责处理基础设施，让你可以轻松将目标检测模型集成到应用程序中。

  • 实时监控： 通过 Gradient 直观的仪表板监控已部署模型的性能和运行状况。深入了解推理速度、资源利用率和潜在错误。

为什么应该使用 Gradient 开展 YOLO26 项目？#

虽然有许多选项可用于训练、部署和评估 YOLO26 模型，但与 Paperspace Gradient 的集成提供了一系列独特优势，使其区别于其他解决方案。下面来了解这一集成的独特之处：

  • 增强协作： 共享工作区和版本控制有助于实现无缝团队协作并确保可复现性，让你的团队能够高效协作，同时保留清晰的项目历史记录。

  • 低成本 GPU： 与主要云服务提供商或本地解决方案相比，Gradient 以显著更低的成本提供高性能 GPU。按秒计费意味着你只需为实际使用的资源付费，从而优化预算。

  • 成本可预测： Gradient 的按需定价确保成本透明且可预测。你可以根据需要扩展或缩减资源，并且只需为实际使用的时间付费，避免不必要的开支。

  • 无承诺： 你可以随时调整实例类型，以适应不断变化的项目需求并优化成本与性能之间的平衡。没有锁定期或长期承诺，提供最大的灵活性。

总结#

本指南介绍了用于训练 YOLO26 模型的 Paperspace Gradient 集成。从轻松完成模型训练和评估，到简化部署选项，Gradient 提供了加速 AI 开发流程所需的工具和基础设施。

如需进一步了解，请访问 Paperspace 官方文档。

此外，请访问 Ultralytics 集成指南页面，进一步了解不同的 YOLO26 集成方式。该页面包含丰富的见解和技巧，帮助你将计算机视觉项目提升到新的水平。

常见问题#

  • 使用 Paperspace Gradient 训练 YOLO26 模型简单高效。首先，登录 Paperspace 控制台。接下来，点击“Start Machine”按钮以启动托管 GPU 环境。环境准备就绪后，你可以运行笔记本中的单元格，开始训练 YOLO26 模型。详细说明请参阅我们的 YOLO26 模型训练指南。

  • Paperspace Gradient 在训练和部署 YOLO26 模型方面提供了多项独特优势：

    • 硬件灵活性： 可选择各种 CPU、GPU 和 TPU 配置。
    • 一键式笔记本： 使用预配置的 YOLO26 Jupyter 笔记本，无需担心环境设置。
    • 实验跟踪： 自动跟踪超参数、指标和代码变更。
    • 数据集管理： 在 Gradient 中高效管理数据集。
    • 模型服务： 轻松将模型部署为 REST API。
    • 实时监控： 通过仪表板监控模型性能和资源利用率。

  • Ultralytics YOLO26 凭借实时目标检测能力和高准确率脱颖而出。它与 Paperspace Gradient 等平台的无缝集成简化了训练和部署流程，从而提高了生产力。YOLO26 支持多种应用场景，从安全系统到零售库存管理。请在我们的 YOLO26 概览中了解 YOLO26 的完整功能和优势。

  • 可以，你可以使用 Paperspace Gradient 在边缘设备上部署 YOLO26 模型。该平台支持 LiteRT 和 Edge TPU 等多种部署格式，这些格式针对边缘设备进行了优化。在 Gradient 上训练模型后，请参阅我们的导出指南，了解如何将模型转换为所需格式。

  • Paperspace Gradient 中的实验跟踪会自动记录超参数、指标和代码变更，从而简化模型开发流程。这样你可以轻松比较不同的训练运行、找出最佳配置，并复现成功的实验。其他与 Ultralytics YOLO26 集成的实验跟踪工具也提供类似功能。

贡献者
GLglenn-jocher12RAraimbekovm1AMambitious-octopus1RIRizwanMunawar1ABabirami-vina1

评论