模型训练

Ultralytics Platform 提供了全面的 YOLO 模型训练工具，从组织实验到运行云端训练作业，并支持实时指标流传输。

概述

训练部分可帮助您：

• 将模型组织到项目中以便于管理
• 一键在云端 GPU 上训练
• 监控训练期间的实时指标
• 比较不同实验中的模型性能
• 导出至17种以上部署格式（参见支持的格式）

工作流程

graph LR
    A[📁 Project] --> B[⚙️ Configure]
    B --> C[🚀 Train]
    C --> D[📈 Monitor]
    D --> E[📦 Export]

    style A fill:#4CAF50,color:#fff
    style B fill:#2196F3,color:#fff
    style C fill:#FF9800,color:#fff
    style D fill:#9C27B0,color:#fff
    style E fill:#00BCD4,color:#fff

训练选项

Ultralytics平台支持多种训练方法：

GPU 选项

Ultralytics 上可用于云端训练的可用 GPU：

实时指标

在训练过程中，可通过三个子标签页查看实时指标：

graph LR
    A[Charts] --> B[Loss Curves]
    A --> C[Performance Metrics]
    D[Console] --> E[Live Logs]
    D --> F[Error Detection]
    G[System] --> H[GPU Utilization]
    G --> I[Memory & Temp]

    style A fill:#2196F3,color:#fff
    style D fill:#FF9800,color:#fff
    style G fill:#9C27B0,color:#fff

快速入门

一分钟内开启云端培训之旅：

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

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
model.train(
    data="ul://username/datasets/my-dataset",
    epochs=100,
    project="username/my-project",
    name="exp1",
)

快速链接

• 项目: 组织您的模型和实验
• 模型: 管理已训练的检查点
• 云端训练: 在云端GPU上进行训练

常见问题

训练需要多长时间？

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)
• 训练轮次
• 所选GPU类型

在RTX PRO 6000上进行一次典型训练（1000张图像，YOLO26n模型，100个 epoch）约需2-3小时。较小规模训练（500张图像，RTX 4090上运行50个 epoch）可在一小时内完成。具体成本估算请参阅费用示例。

我可以同时训练多个模型吗？

是的。并行云训练的限制取决于您的套餐：免费版支持3个，专业版支持10个，企业版则无限制。若需更多并行训练，请使用多台机器进行远程训练。

如果训练失败怎么办？

如果训练失败：

1. 检查点在每个训练轮次保存
2. 您可以从上一个检查点恢复
3. 仅对已完成的计算时间收取费用

如何选择合适的 GPU？

📅 创建于 1 个月前 ✏️ 更新于 4 天前

评论