Trainiere Vision-KI-Modelle mit wenigen Klicks, nicht in Tagen
Trainiere Ultralytics YOLO Modelle auf 26 Cloud-GPUs, überwache jede Metrik in Echtzeit und vergleiche Experimente direkt nebeneinander – alles auf einer einzigen Plattform.
Powered by dem weltweit führenden YOLO-Ökosystem
Trainiere mit dem Open-Source-Fundament, dem Millionen von Entwickler vertrauen und das durch breite Akzeptanz bei Downloads, Nutzung und Community-Validierung gestützt wird.
Native Unterstützung für die weltweit am häufigsten eingesetzten YOLO-Modelle
Trainiere die Modellfamilien Ultralytics YOLO26, YOLO11, YOLOv8 und YOLOv5 für alle 6 Vision-Aufgaben, von nano bis large.
- Starte mit einem Ultralytics YOLO-Modell: Wähle vortrainierte Modelle der ursprünglichen Autoren aus, die bereit für das Fine-Tuning sind.
- Nutze dein eigenes Computer-Vision-Modell: Lade eine .pt-Datei hoch und trainiere sie auf Cloud-GPUs.
- Dein Datensatz oder unserer: Verwende deine eigenen Trainingsdaten oder durchsuche die Ultralytics- und Community-Datensätze.
GPUs auf Abruf oder lokales Training
Trainiere mit nur einem Klick auf bis zu 26 Cloud-GPUs oder nutze deine eigene Hardware.
- Auf Cloud-GPUs trainieren: Wähle aus 26 GPU-Optionen, von der RTX 2000 Ada bis zur B300. Wähle eine GPU aus, lege dein Budget fest und starte das Training.
- Lokal auf deiner eigenen Infrastruktur trainieren: Trainiere auf deinen lokalen GPUs oder CPUs und streame Messwerte in Echtzeit zurück auf die Plattform mit dem Ultralytics Python-Paket.
Überwache dein Training in Echtzeit
Erkenne abweichende Läufe frühzeitig, optimiere die Modellleistung und verfolge den Fortschritt, während er geschieht.
- Live-Metrik-Diagramme: Live-gestreamte Verlustkurven und Leistungsmetriken, die während des Trainings pro Epoche aufgezeichnet werden.
- Trainingsprotokolle leicht gemacht: Trainingsprotokolle werden direkt von der GPU gestreamt, mit ANSI-Farbunterstützung und automatischer Fehlererkennung.
- Hardware-Überwachung: Hardware-Telemetrie in Echtzeit, damit du sicherstellen kannst, dass deine GPU effizient arbeitet.
Verstehe dein Modell, bevor du es bereitstellst
Überprüfe die Validierungsmetriken für deine Computer-Vision-Modelle: Konfusionsmatrix, PR-Kurve und klassenspezifische Ergebnisse, und exportiere sie dann in 20 Formate.
Jedes Experiment, gut organisiert
Organisiere Trainingsläufe in Projekten. Vergleiche Datensätze, Hyperparameter und Modellgrößen, um das beste Modell zu finden.
Sieh dir an, wie das Training funktioniert
Von der Modellauswahl bis zur Überwachung deines ersten Trainingslaufs: Erlebe, wie dich die Ultralytics-Plattform in nur wenigen Klicks vom Datensatz zum trainierten Modell bringt.
Industrielösungen erkunden
Sieh dir an, wie Teams Ultralytics Computer Vision in Produktionsumgebungen einsetzen.
KI in der Robotik
KI in der Logistik
KI im Einzelhandel
KI im Gesundheitswesen
KI in der Fertigung
KI in der Automobilbranche
KI in der Landwirtschaft
KI in der Robotik
KI in der Logistik
KI im Einzelhandel
KI im Gesundheitswesen
KI in der Fertigung
KI in der Automobilbranche
KI in der Landwirtschaft
KI in der Robotik
KI in der Logistik
KI im Einzelhandel
KI im Gesundheitswesen
KI in der Fertigung
KI in der Automobilbranche
KI in der Landwirtschaft
Häufig gestellte Fragen
Ja. Die Ultralytics Platform unterstützt lokales Training auf deinen eigenen GPUs oder CPUs. Installiere das Ultralytics Python-Paket, setze deinen API-Schlüssel und beginne mit dem Training. Echtzeit-Metriken werden direkt neben deinen Cloud-Trainingsläufen an das Plattform-Dashboard übertragen. Dies gibt dir die Flexibilität, deine eigene Hardware zu nutzen, während alle Experimente an einem Ort organisiert bleiben.
Die Ultralytics Platform bietet 22 GPU-Optionen im Bereich von 0,24 $ bis 4,99 $ pro Stunde. Für die meisten Workloads ist die RTX PRO 6000 (96 GB, 1,89 $/Std.) ein starker Standard. Für zeitkritisches Training liefern die H100 und H200 maximale Leistung. Für Tests und kleine Datensätze funktionieren Budget-Optionen wie die RTX 2000 Ada (0,24 $/Std.) gut. Die Plattform zeigt vor dem Start geschätzte Kosten und Dauer an, damit du das richtige Gleichgewicht zwischen Geschwindigkeit und Budget für dein Projekt wählen kannst.
Wenn ein Trainingslauf fehlschlägt, wird er dir nicht berechnet. Du zahlst nur für die tatsächliche GPU-Zeit bei abgeschlossenen oder manuell abgebrochenen Läufen. Checkpoints werden während des gesamten Trainings gespeichert. Wenn ein Lauf unterbrochen oder abgebrochen wird, bleibt dein Fortschritt bis zu diesem Punkt erhalten. Du kannst Konsolenprotokolle überprüfen, um Probleme zu diagnostizieren und das Training mit angepassten Einstellungen neu zu starten.
Ja. Die Ultralytics Platform unterstützt gleichzeitige Trainingsläufe. Benutzer des Free-Plans können bis zu 3 gleichzeitige Trainingsaufträge ausführen, Pro-Benutzer bis zu 10 und Enterprise-Benutzer eine unbegrenzte Anzahl gleichzeitiger Aufträge. Jeder Lauf erhält seine eigene dedizierte GPU-Instanz.
Die Trainingsdauer hängt von deiner Datensatzgröße, Modellgröße, Anzahl der Epochen und der GPU-Auswahl ab. Als Referenz: Das Training von YOLO26n auf 1.000 Bildern für 100 Epochen dauert auf einer RTX PRO 6000 etwa 2 bis 3 Stunden. Größere Modelle wie YOLO26x benötigen für die gleiche Konfiguration länger. Die Plattform schätzt Kosten und Dauer vor Trainingsbeginn, damit du immer weißt, was dich erwartet.
Modelltraining ist der Prozess, einem Computer-Vision-Modell beizubringen, Muster in visuellen Daten zu erkennen. Während des Trainings verarbeitet das Modell Tausende von etikettierten Bildern, passt seine Parameter an und verbessert schrittweise seine Fähigkeit, Objekte zu erkennen, segmentieren oder klassifizieren. Auf der Ultralytics Platform ist das Training direkt in den Annotations- und Deployment-Workflow integriert. Sobald dein Datensatz etikettiert ist, kannst du ein YOLO-Modell auswählen, eine Cloud-GPU wählen und mit dem Training beginnen, ohne die Plattform zu verlassen.
Starte noch heute mit dem Training!
Erstelle produktionsreife Vision-KI-Modelle auf Cloud-GPUs – beginnend bei 0,24 $ pro Stunde.