开始使用

模型训练

Ultralytics Platform提供训练 YOLO 模型的工具,涵盖实验管理以及通过实时指标流运行云端训练任务。



观看: 开始使用 Ultralytics Platform - 训练

概述#

训练部分可帮助你:

  • 整理模型,将模型归入项目以便于管理
  • 训练:一键使用云端 GPU 进行训练
  • 监控:在训练期间查看实时指标
  • 比较:跨实验比较模型性能
  • 导出为 23 种部署格式(参见支持的格式)

Ultralytics Platform 训练概览

工作流#

阶段说明
项目创建工作区,以整理相关模型
配置选择数据集、基础模型和训练参数
训练使用云端 GPU 或本地硬件运行
监控查看实时损失曲线和指标
导出转换为 23 种部署格式(详情)

训练选项#

Ultralytics Platform 支持多种训练方式:

方法说明适用场景
云端训练使用 Ultralytics Cloud GPU 进行训练无需本地 GPU,具备可扩展性
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,保障隐私
Colab 训练将 Google Colab 与平台集成使用免费使用 GPU
自动 GPU 调度

当你选择的 GPU 比 RTX PRO 6000 便宜,且 Ultralytics 管理的算力有空闲时,Platform 会让你的任务使用 RTX PRO 6000,但仍按你所选 GPU 的每小时费率计费。任务可能更快完成,成本也可能低于使用所选 GPU 的情况——升级绝不会增加耗时或费用。

GPU 选项#

Ultralytics Cloud 云端训练可用的 GPU:

GPU代际显存适用场景
RTX 2000 AdaAda16 GB小型数据集、测试
RTX A4500Ampere20 GB小型到中型数据集
RTX A5000Ampere24 GB中型数据集
RTX 4000 AdaAda20 GB中型数据集
RTX 3090Ampere24 GB通用训练
RTX PRO 4000Blackwell24 GB经济型 Blackwell
L4Ada24 GB针对推理优化
A40Ampere48 GB较大的批次大小
RTX A6000Ampere48 GB大型模型
RTX PRO 4500Blackwell32 GB性价比出色
L40Ada48 GB大型模型
RTX 4090Ada24 GB通用训练
RTX PRO 5000Blackwell48 GB大批次训练
RTX 6000 AdaAda48 GB大批次训练
L40SAda48 GB大批次训练
RTX 5090Blackwell32 GB最新一代消费级产品
A100 PCIeAmpere80 GB生产环境训练
A100 SXMAmpere80 GB生产环境训练
RTX PRO 6000Blackwell96 GB推荐默认选项
H100 PCIeHopper80 GB高性能训练
H100 NVLHopper94 GB最高性能
H200 NVLHopper143 GB最大显存
H100 SXMHopper80 GB最快的训练
H200 SXMHopper141 GB最高性能
B200Blackwell180 GB大型模型(Pro+)
B300Blackwell288 GB最大型模型(Pro+)

当前每小时价格显示在训练对话框的 GPU 选择器和定价页面上。

GPU 级别访问权限

B200 和 B300 GPU 需要Pro 或 Enterprise 套餐。其他所有 GPU 均适用于所有套餐,包括 Free 套餐。

注册赠金

新账户会获得训练注册赠金。详情请查看账单。

实时指标#

在模型的 Train 选项卡中查看实时指标和可用的验证结果:

子选项卡指标
指标任务指标(检测任务的 mAP50、mAP50-95、精确率、召回率)、训练/验证损失、学习率
验证可用时显示已记录的验证图表和逐图像分析结果
控制台带 ANSI 颜色的实时训练日志和自动错误检测
系统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,即适应度最高的轮次)会在训练运行期间定期上传到 Platform,并在运行结束时再次上传,因此下载、导出和部署始终会使用迄今为止生成的最佳轮次。已取消的运行会保留最后一个完成上传的检查点。

快速入门#

不到一分钟即可开始云端训练:

  1. 在侧边栏中创建项目
  2. 点击 New Model
  3. 选择模型、数据集和 GPU
  4. 点击 Start Training
  • 项目:整理你的模型和实验
  • 模型:管理已训练的检查点
  • 云端训练:在云端 GPU 上训练
  • AutoTrain:使用 Ask AI 运行实验并比较模型

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)
    • 轮数
    • 所选 GPU 类型

    当前估算器预测,在 RTX PRO 6000 上使用 YOLO26n 训练 1000 张图像 100 个周期约需 6 分钟,而在 RTX 4090 上使用 YOLO26n 训练 500 张图像 50 个周期约需 2 分钟。实际耗时会有所不同;请在训练 对话框中查看针对所选数据集和配置的实时估算。

  • 可以。并发云端训练数量上限取决于你的套餐:Free 支持 3 个,Pro 支持 10 个,Enterprise 不限数量。如需更多并行训练任务,可在多台机器上使用远程训练。

  • 如果训练失败:

    1. 模型会被标记为失败,计算实例也会被终止
    2. 模型页面会显示错误横幅,其中包含捕获到的错误、指向控制台输出的链接,以及 使用 AI 诊断和 Retry Training 操作(Editor 角色或更高权限),点击后会重新打开训练对话框并保留相同配置
    3. 如果某个运行连续 4 小时没有报告活动,就会自动标记为失败,并释放其计算资源
    4. 如果云端计算已启动,则会按已用 GPU 时间计费;计算启动前失败则不会产生 GPU 使用费用
  • 场景推荐 GPU
    大多数训练任务RTX PRO 6000
    大型数据集或批次大小H100 SXM 或 H200
    注重预算RTX 4090

评论

提出问题、分享结果,或帮助其他人。