Benchmarks Ultralytics

Méthodologie d'entraînement

Nous utilisons le débit d'entraînement — images traitées par seconde pendant l'entraînement — comme mesure de référence ; cela est directement corrélé au temps nécessaire à la solution. Chaque résultat est mesuré sur les GPU de la plateforme Ultralytics — le même matériel NVIDIA que tu loues pour l'entraînement cloud en un clic, des cartes de station de travail d'entrée de gamme jusqu'aux GPU phares des centres de données. Nous entraînons YOLO26 dans les cinq tailles (n/s/m/l/x) pour que tu puisses faire correspondre un modèle à ton budget matériel.

Paramètres. 2 époques sur 25% de COCO à 640px, précision mixte AMP, GPU unique, avec auto-batch (batch=-1) sélectionnant le plus grand lot tenant en mémoire. Nous rapportons la deuxième époque en régime permanent, ce qui exclut l'échauffement de la première époque (mise en cache du jeu de données, capture de graphe CUDA) et la passe de validation de fin d'exécution. La taille de lot résolue, la VRAM de crête (incluant le contexte CUDA) et la puissance de crête de la carte sont enregistrées directement depuis chaque GPU.

Rentabilité. Images par dollar = débit × 3600 ÷ prix horaire, en utilisant la tarification à la demande de la plateforme Ultralytics — cela réorganise souvent le classement de manière spectaculaire, car les cartes rapportant de la valeur surpassent les GPU phares par dollar. Mesuré sur ultralytics 8.4.68, torch 2.8, CUDA 12.8. Voir aussi la doc des modes Train et Benchmark.

Méthodologie d'inférence

Nous utilisons la latence d'inférence — millisecondes par image au lot 1 — comme mesure de référence ; c'est ce qui importe pour le déploiement en temps réel. Chaque taille de YOLO26 est exportée dans le format et la précision indiqués, puis nous chronométrons la prédiction en régime permanent (échauffement exclu, temps par exécution écrêtés par sigma) sur les mêmes GPU de la plateforme Ultralytics sur lesquels tu déploies.

Formats et précision. Sur les GPU NVIDIA : PyTorch FP16, ONNX FP16 et TensorRT FP16/INT8 (TensorRT 11.1.0.106 via NVIDIA ModelOpt). L'INT8 est calibré sur COCO128 ; la précision (mAP50-95 sur COCO val2017) est mesurée une fois par format/précision et affichée par ligne, donc le compromis vitesse↔précision est explicite. L'INT8 est plus avantageux sur les modèles plus grands limités par le calcul — sur les plus petits modèles, son surcoût de quantification peut égaler ou être légèrement en retrait par rapport au FP16. L'inférence ONNX s'exécute sur les GPU Ada/Ampere/Hopper (onnxruntime n'a pas encore de noyaux Blackwell).

Apple Silicon. Les appareils Mac (ex: Apple M5 Pro) sont profilés localement et fusionnés dans le tableau — choisis un format pour les comparer directement aux GPU cloud, ou filtre par la génération Apple Silicon. CoreML s'exécute sur le Neural Engine (le chemin Apple le plus rapide, ~3× CPU), PyTorch sur le GPU MPS, et ONNX sur le CPU ; la colonne Backend de chaque ligne nomme l'environnement d'exécution. CoreML est chronométré avec coremltools sur l'ANE — un écran hôte relatif, pas un numéro d'appareil iPhone. Le matériel possédé n'a pas de prix de location, donc la rentabilité (img/$) est uniquement GPU.

Rentabilité. Inférences par dollar = FPS × 3600 ÷ prix horaire, en utilisant la tarification à la demande de la plateforme Ultralytics. Mesuré sur ultralytics 8.4.71, torch 2.12, CUDA 13.2. Voir aussi la doc des modes Predict et Benchmark.