模型训练#
Ultralytics Platform 提供全面的 YOLO 模型训练 工具，从组织实验到运行云训练作业并实时流式传输指标。
Watch: Get Started with Ultralytics Platform - Train
概述#
训练部分可帮助你：
工作流#
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训练选项#
Ultralytics Platform 支持多种训练方式：
| 方法 | 描述 | 最适用场景 |
|---|---|---|
| 云训练 | 在 Ultralytics Cloud GPU 上训练 | 无需本地 GPU，支持扩展 |
| 本地训练 | 在本地训练，并将指标流式传输到平台 | 使用现有硬件，保护隐私 |
| Colab 训练 | 结合平台集成使用 Google Colab | 免费访问 GPU |
自动 GPU 路由
当你选择的 GPU 价格低于 RTX PRO 6000 且 Ultralytics 管理的容量有空闲时，平台会在 RTX PRO 6000 上运行 你的作业，但仍按所选 GPU 的小时费率计费。运行可能更快完成，成本也低于使用所选 GPU 的情况——此升级绝不会增加时间或成本。
GPU 选项#
Ultralytics Cloud 云训练可用的 GPU：
| GPU | 代次 | VRAM | 每小时费用 | 最适用场景 |
|---|---|---|---|---|
| RTX 2000 Ada | Ada | 16 GB | $0.24 | 小型数据集、测试 |
| RTX A4500 | Ampere | 20 GB | $0.25 | 小型至中型数据集 |
| RTX 4000 Ada | Ada | 20 GB | $0.26 | 中型数据集 |
| RTX A5000 | Ampere | 24 GB | $0.27 | 中型数据集 |
| L4 | Ada | 24 GB | $0.39 | 针对推理优化 |
| A40 | Ampere | 48 GB | $0.44 | 更大的批量大小 |
| RTX 3090 | Ampere | 24 GB | $0.46 | 通用训练 |
| RTX A6000 | Ampere | 48 GB | $0.49 | 大型模型 |
| RTX PRO 4000 | Blackwell | 24 GB | $0.57 | 经济型 Blackwell |
| RTX PRO 4500 | Blackwell | 32 GB | $0.64 | 出色的性价比 |
| RTX 4090 | Ada | 24 GB | $0.69 | 最佳性价比 |
| RTX 6000 Ada | Ada | 48 GB | $0.77 | 大批量训练 |
| L40S | Ada | 48 GB | $0.86 | 大批量训练 |
| RTX PRO 5000 | Blackwell | 48 GB | $0.96 | 大批量训练 |
| RTX 5090 | Blackwell | 32 GB | $0.99 | 最新消费级一代 |
| L40 | Ada | 48 GB | $0.99 | 大型模型 |
| A100 PCIe | Ampere | 80 GB | $1.39 | 生产训练 |
| A100 SXM | Ampere | 80 GB | $1.49 | 生产训练 |
| RTX PRO 6000 | Blackwell | 96 GB | $2.09 | 推荐默认选项 |
| H100 PCIe | Hopper | 80 GB | $2.89 | 高性能训练 |
| H100 NVL | Hopper | 94 GB | $3.19 | 最高性能 |
| H100 SXM | Hopper | 80 GB | $3.29 | 最快训练 |
| H200 NVL | Hopper | 143 GB | $3.39 | 最大内存 |
| H200 SXM | Hopper | 141 GB | $4.39 | 最高性能 |
| B200 | Blackwell | 180 GB | $5.89 | 大型模型（Pro+） |
| B300 | Blackwell | 288 GB | $7.39 | 最大型模型（Pro+） |
GPU 层级访问权限
B200 和 B300 GPU 需要专业版或企业版方案。所有其他 GPU 在包括免费版在内的所有方案中均可用。
注册赠金
新账户会获得用于训练的注册赠金。详情请查看账单。
实时指标#
训练期间，你可以在三个子标签页中查看实时指标：
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| 子选项卡 | 指标 |
|---|---|
| Charts | 任务指标（检测任务的 mAP50、mAP50-95、precision、recall）、训练/验证损失、学习率 |
| Console | 带 ANSI 颜色显示并自动检测错误的实时训练日志 |
| System | GPU 利用率、GPU 内存和温度、CPU、RAM、网络和磁盘 I/O |
自动检查点
最佳检查点（best.pt，即适应度最高的 epoch）会在训练运行期间定期上传到平台，并在运行结束时再次上传，因此下载、导出和部署始终使用截至目前生成的最佳 epoch。已取消的运行会保留最后一个完成上传的检查点。
快速开始#
不到一分钟即可开始云训练：
- 在侧边栏中创建项目
- 点击新建模型
- 选择模型、数据集和 GPU
- 点击 开始训练
快速链接#
常见问题#
训练时间取决于：
- 数据集大小（图像数量）
- 模型大小（n、s、m、l、x）
- epoch 数量
- 所选 GPU 类型
当前估算器预计，在 RTX PRO 6000 上使用 1000 张图像、YOLO26n 和 100 个 epoch 约需 6 分钟；在 RTX 4090 上使用 500 张图像、YOLO26n 和 50 个 epoch 约需 2 分钟。实际时长会有所不同；对于所选数据集和配置，请使用训练对话框中的实时估算。参见成本示例。
可以。并发云训练限制取决于你的方案：免费版允许 3 个，专业版允许 10 个，企业版不受限制。如需进行更多并行训练，请从多台机器使用远程训练。
如果训练失败：
- 模型会被标记为失败，计算实例也会被终止
- 模型页面会显示错误横幅，其中包含捕获的错误、指向控制台输出的链接，以及一个 重试 操作；该操作会使用相同配置重新打开训练对话框
- 如果某次运行连续数小时没有报告活动，系统会自动将其标记为失败并释放其计算资源
- 如果云计算已启动，则会收取已用 GPU 时间的费用；计算启动前发生的失败不会产生 GPU 使用费
场景 推荐 GPU 大多数训练作业 RTX PRO 6000 大型数据集或批量大小 H100 SXM 或 H200 注重预算 RTX 4090