Can I train on my own hardware instead of cloud GPUs?

Ja, Sie können lokal auf Ihren eigenen GPUs oder CPUs trainieren und Echtzeit-Metriken mithilfe desPython an die Plattform zurückströmen. Ihre Experimente werden neben den Cloud-Läufen im selben Projekt-Dashboard angezeigt.

How do I choose the right GPU?

Die Plattform bietet 22 GPU , die von RTX 4090 und A100 bis hin zu H100, H200 und B200 reichen. Die Plattform berechnet die Kosten und die Dauer im Voraus auf der Grundlage Ihrer Auswahl.

What happens if training fails?

Ihnen wird nur GPU tatsächlich genutzte GPU in Rechnung gestellt. Die Plattform verfügt über eine automatische Fehlererkennung in den Live-Trainingsprotokollen, sodass Probleme sofort sichtbar werden.

Can I train multiple models at the same time?

Ja, Sie können mehrere Modelle gleichzeitig trainieren. Der Free-Tarif ermöglicht parallele Trainingsläufe.

How long does training take?

Die Trainingsdauer hängt von der Größe des Datensatzes, der Komplexität des Modells und GPU ab. So lassen sich YOLO26n-Modelle beispielsweise schneller trainieren als größere Varianten. Die Plattform schätzt Kosten und Dauer im Voraus, sobald Sie Ihre GPU auswählen.

What is model training?

Beim Modelltraining wird einem Computer-Vision-Modell beigebracht, classify in Bildern zu detect, segment oder classify . Ultralytics unterstützt das Training YOLO für alle fünf Computer-Vision-Aufgaben.

Trainieren Sie Computer-Vision-Modelle auf Ultralytics

Benutzeroberfläche zum Trainieren eines neuen KI-Modells, die Optionen für Basismodelle – darunter YOLO26-Varianten mit Auswahlmöglichkeiten für Erkennung und Segmentierung – sowie einen Datensatzbereich mit Bildminiaturen und der Möglichkeit zur Eingabe eines Laufnamens anzeigt.

Native Unterstützung für die weltweit am häufigsten eingesetzten YOLO

Ultralytics wurde speziell für die Modelle entwickelt, die Sie bereits verwenden. Trainieren Sie Ultralytics , YOLO11, YOLOv8 und YOLOv5 alle fünf Computer-Vision-Aufgaben – mit umfassender Unterstützung von Nano- bis hin zu großen Modellen.

Beginnen Sie mit einemYOLO : YOLO26 , YOLO11, YOLOv8 oder YOLOv5 – von den ursprünglichen Autoren vortrainiert und bereit für das Fine-Tuning.

Bringen Sie Ihr eigenes Computer-Vision-Modell mit: Laden Sie eine .pt-Datei hoch und trainieren Sie sie auf Cloud-GPUs. Trainingsparameter, Architektur und Ergebnisse werden automatisch analysiert.

Ihre eigenen oder unsere Datensätze: Verbinden Sie Ihre Trainingsdaten und beschrifteten Datensätze oder stöbern Sie in den offiziellen Datensätzen Ultralytics den von der Community bereitgestellten Datensätzen, um loszulegen.

GPUs auf Abruf oder lokales Training.

Trainieren Sie mit nur einem Klick auf bis zu 22 Cloud-GPUs oder führen Sie das Training auf Ihrer eigenen Hardware durch – alles auf Ultralytics .

Screenshot des Menüs GPU für das Cloud-Training, das verschiedene GPU mit Speichergröße und Preis pro Stunde anzeigt; hervorgehoben sind die RTX PRO 6000 mit 96 GB zu 1,89 $/Stunde und ein aktuelles Guthaben von 24,10 $.

Trainieren Sie auf Cloud-GPUs

Wählen Sie aus 22 GPU , von der RTX 4090 und A100 bis hin zur H100, H200 und B200. Wählen Sie eine GPU aus, legen Sie Ihr Budget fest und beginnen Sie mit dem Training. Die Plattform schätzt Kosten und Dauer im Voraus, sodass es keine Überraschungen gibt.

Screenshot eines Terminalbefehls für das lokale Training mit Ultralytics YOLO, einschließlich API-Schlüssel, Modell, Daten, Epochen, Batchgröße, Bildgröße und Projektname.

Trainieren Sie vor Ort auf Ihrer eigenen Infrastruktur

Bevorzugen Sie Ihre eigene Hardware? Trainieren Sie auf Ihren lokalen GPUs oder CPUs und streamen Sie Echtzeit-Metriken mithilfe desPython zurück an die Plattform. Ihre Experimente werden neben den Cloud-Läufen im selben Projekt-Dashboard angezeigt.

Machen Sie sich mit Ihrem Modell vertraut, bevor Sie es ausliefern

Die Modellvalidierung ist ein entscheidender Schritt, sobald das Training Ihrer Computer-Vision-Modelle abgeschlossen ist. Überprüfen Sie Ihre Verwechslungsmatrix, die ROC-Kurve und die klassenbezogenen Metriken direkt in der Plattform und exportieren Sie die Ergebnisse anschließend in über 17 Formate, die für den Einsatz in der Cloud, am Netzwerkrand oder auf dem Endgerät optimiert sind.

Häufig gestellte Fragen

Kann ich auf meiner eigenen Hardware trainieren, anstatt auf Cloud-GPUs?

Ja. Ultralytics unterstützt lokales Training auf Ihren eigenen GPUs oder CPUs. Installieren Sie das Python , richten Sie Ihren API-Schlüssel ein und beginnen Sie mit dem Training – Echtzeit-Metriken werden parallel zu Ihren Cloud-Trainingsläufen direkt auf das Dashboard der Plattform übertragen. So können Sie flexibel Ihre eigene Hardware nutzen und gleichzeitig alle Experimente an einem Ort übersichtlich organisieren.

Wie wähle ich die richtige GPU aus?

Ultralytics bietet 22 GPU zu Preisen zwischen 0,24 und 4,99 US-Dollar pro Stunde. Für die meisten Workloads ist die RTX PRO 6000 (96 GB, 1,89 US-Dollar/Stunde) eine gute Standardwahl. Für zeitkritische Trainings bieten die H100 und H200 maximale Leistung. Für Tests und kleine Datensätze eignen sich kostengünstige Optionen wie die RTX 2000 Ada (0,24 $/Std.) gut. Die Plattform zeigt vor dem Start die geschätzten Kosten und die Dauer an, sodass Sie das richtige Gleichgewicht zwischen Geschwindigkeit und Budget für Ihr Projekt wählen können.

Was passiert, wenn das Training fehlschlägt?

Sollte ein Trainingslauf fehlschlagen, fallen für Sie keine Kosten an. Es wird Ihnen nur GPU tatsächlich genutzte GPU für abgeschlossene oder manuell abgebrochene Läufe in Rechnung gestellt. Während des gesamten Trainings werden Zwischenstände gespeichert. Sollte ein Lauf also unterbrochen oder abgebrochen werden, bleibt Ihr bis zu diesem Zeitpunkt erzielter Fortschritt erhalten. Sie können die Konsolenprotokolle einsehen, um Probleme zu diagnostizieren, und das Training mit angepassten Einstellungen neu starten.

Kann ich mehrere Modelle gleichzeitig trainieren?

Ja. Ultralytics unterstützt parallele Trainingsläufe. Nutzer des kostenlosen Tarifs können bis zu 3 Trainingsaufträge gleichzeitig ausführen, Nutzer des Pro-Tarifs bis zu 10 und Nutzer des Enterprise-Tarifs unbegrenzt viele. Jeder Lauf erhält GPU eigene dedizierte GPU .

Wie lange dauert die Ausbildung?

Die Trainingsdauer hängt von der Größe Ihres Datensatzes, der Modellgröße, der Anzahl der Epochen und GPU ab. Als Anhaltspunkt: Das Training von YOLO26n mit 1.000 Bildern über 100 Epochen dauert auf einer RTX PRO 6000 etwa 2 bis 3 Stunden. Größere Modelle wie YOLO26x benötigen bei derselben Konfiguration mehr Zeit. Die Plattform schätzt die Kosten und die Dauer vor Beginn des Trainings, sodass Sie stets wissen, was Sie erwartet.

Was ist Modelltraining?

Beim Modelltraining wird einem Computer-Vision-Modell beigebracht, Muster in visuellen Daten zu erkennen. Während des Trainings verarbeitet das Modell Tausende von beschrifteten Bildern, passt seine Parameter an und verbessert schrittweise seine Fähigkeit , Objekte zu detect, segment oder classify. Auf Ultralytics ist das Training direkt in den Annotations- und Bereitstellungs-Workflow integriert. Sobald Ihr Datensatz beschriftet ist, können Sie ein YOLO auswählen, eine GPU auswählen und mit dem Training beginnen – alles ohne die Plattform verlassen zu müssen.

Trainieren Sie KI-Modelle für die Bildverarbeitung mit wenigen Klicks statt in Tagen

Native Unterstützung für die weltweit am häufigsten eingesetzten YOLO

Jedes Experiment – systematisch und vergleichbar

Gruppenläufe

Teilen & zusammenarbeiten

Vergleich von Experimenten im Nebeneinander-Vergleich

GPUs auf Abruf oder lokales Training.

Trainieren Sie auf Cloud-GPUs

Trainieren Sie vor Ort auf Ihrer eigenen Infrastruktur

Verfolgen Sie Ihr Training in Echtzeit

Live-Diagramme

Trainingsprotokolle leicht gemacht

Hardwareüberwachung