Ultralytics Benchmarks

Trainingsmethodik

Wir verwenden den Training-Durchsatz – Bilder, die pro Sekunde während des Trainings verarbeitet werden – als Maßeinheit; er korreliert direkt mit der Zeit bis zur Lösung. Jedes Ergebnis wird auf GPUs der Ultralytics Platform gemessen – derselben NVIDIA-Hardware, die du mit einem Klick für das Cloud-Training mietest, von Einsteiger-Workstation-Karten bis hin zu Flaggschiff-Rechenzentrums-GPUs. Wir trainieren YOLO26 in allen fünf Größen (n/s/m/l/x), damit du ein Modell an dein Hardware-Budget anpassen kannst.

Einstellungen. 2 Epochen auf 25 % von COCO bei 640 px, AMP Mixed Precision, einzelne GPU, wobei Auto-Batch (batch=-1) den größten Batch auswählt, der in den Speicher passt. Wir berichten über die zweite Epoche im eingeschwungenen Zustand, was das Warm-up der ersten Epoche (Dataset-Caching, CUDA-Graph-Capture) und den Validierungslauf am Ende des Durchlaufs ausschließt. Die aufgelöste Batch-Größe, der Spitzen-VRAM (einschließlich des CUDA-Kontexts) und die Spitzen-Board-Leistung werden direkt von jeder GPU aufgezeichnet.

Kosteneffizienz. Bilder pro Dollar = Durchsatz × 3600 ÷ Stundentarif, unter Verwendung der On-Demand-Preise der Ultralytics Platform – dies ändert oft die Rangliste drastisch, da Value-Karten pro Dollar mehr einbringen als Flaggschiff-GPUs. Siehe auch die Dokumentation zu den Modi Train und Benchmark.