云端训练

Ultralytics 训练服务提供单击式云GPU训练功能，无需复杂配置即可轻松启动模型训练。支持实时指标流传输与自动检查点保存，YOLO 高效训练。

观看： 基于Ultralytics 云端培训

从UI出发的列车

直接从平台开始云培训：

1. 导航至您的项目
2. 点击火车模型
3. 配置训练参数
4. 点击开始训练

步骤1：选择数据集

从您的上传文件中选择一个数据集：

步骤2：配置模型

选择基础模型和参数：

步骤3：GPU

选择您的计算资源：

步骤4：开始训练

点击开始培训以启动您的工作。平台：

1. GPU 分配资源
2. 下载您的数据集
3. 开始训练
4. 实时流式传输指标

监视器培训

查看实时培训进度：

实时指标

检查点

检查点会自动保存：

• 每个时代：最新权重已保存
• 最佳模型：保留最高mAP
• 最终模型：训练完成时的权重

暂停与继续

停止训练

点击“停止训练”可暂停您的任务：

• 当前检查点已保存
• GPU 已释放
• 费用停止计费

恢复训练

从您上次的检查点继续：

1. 导航至模型
2. 点击继续训练
3. 确认继续

远程培训

在自有硬件上进行训练，同时将指标流式传输至平台。

pip install "ultralytics>=8.4.0"

设置API密钥

1. 前往设置 > API密钥
2. 创建具有训练作用域的新密钥
3. 设置环境变量：

export ULTRALYTICS_API_KEY="your_api_key"

流媒体训练

使用 project 和 name 流式传输指标的参数：

yolo train model=yolo11n.pt data=coco.yaml epochs=100 \
  project=username/my-project name=experiment-1

from ultralytics import YOLO

model = YOLO("yolo11n.pt")
model.train(
    data="coco.yaml",
    epochs=100,
    project="username/my-project",
    name="experiment-1",
)

使用平台数据集

使用存储在平台上的数据集进行训练：

yolo train model=yolo11n.pt data=ul://username/datasets/my-dataset epochs=100

字段 ul:// URI格式会自动下载并配置您的数据集。

账单

培训成本基于GPU 情况：

成本计算

Total Cost = GPU Rate × Training Time (hours)

付款方式

查看培训费用

培训结束后，请在“计费”选项卡中查看详细费用：

• 每 epoch 成本细分
• 总GPU 时间
• 下载成本报告

训练技巧

选择合适的模型尺寸

优化培训时间

1. 从小处着手：先用较少的训练轮次进行测试
2. 使用GPU：GPU 模型/批量大小GPU
3. 验证数据集：确保训练前的数据质量
4. 及早监控：若指标停滞则停止

故障排除

常见问题

培训需要多长时间？

培训时间取决于：

• 数据集大小
• 模型尺寸
• epoch数
• GPU

典型时间（1000张图像，100个 epoch）：

我能通宵训练吗？

是的，训练将持续进行直至完成。训练结束后您将收到通知。请确保您的账户余额充足以支持基于 epoch 的训练。

如果我的积分用完了怎么办？

训练将在当前 epoch 结束时暂停。检查点已保存，您可在充值后继续训练。

我可以使用自定义训练参数吗？

是的，高级用户可以在训练配置中指定额外的参数。

训练参数参考

核心参数

学习率参数

增强参数

优化器选择

📅 0 天前创建 ✏️ 0 天前更新

评论