ultralytics
EntraînezYOLO Ultralytics sur 22 GPU dans le cloud, surveillez chaque indicateur en temps réel et comparez les expériences côte à côte, le tout à partir d'une seule et même plateforme.
127.7K
Étoiles GitHub
234M
Téléchargements
2.5B
Usages quotidiens
Ultralytics est spécialement conçue pour les modèles que vous utilisez déjà. Entraînez Ultralytics , YOLO11, YOLOv8 et YOLOv5 les cinq tâches de vision par ordinateur, avec une prise en charge complète, des modèles nano aux modèles de grande taille.
Commencez avec unYOLO Ultralytics : YOLOv5 YOLO26 , YOLO11, YOLOv8 ou YOLOv5 , pré-entraînés par leurs auteurs d'origine et prêts à être affinés.
Apportez votre propre modèle de vision par ordinateur : téléchargez un fichier .pt et entraînez-le sur des GPU dans le cloud. Les paramètres d'entraînement, l'architecture et les résultats sont analysés automatiquement.
Vos données ou les nôtres : connectez vos données d'entraînement et vos ensembles de données annotés, ou parcourez les ensembles de données officiels Ultralytics ceux partagés par la communauté pour commencer.
Choisissez parmi 22 GPU , de la RTX 4090 et l'A100 aux modèles H100, H200 et B200. Sélectionnez un GPU, définissez votre budget et lancez l'entraînement. La plateforme estime le coût et la durée dès le départ, vous évitant ainsi toute mauvaise surprise.
Vous préférez utiliser votre propre matériel ? Effectuez vos entraînements sur vos GPU ou CPU locaux et transmettez les métriques en temps réel à la plateforme à l'aide duPython Ultralytics . Vos expériences s'affichent aux côtés des exécutions dans le cloud sur le même tableau de bord de projet.
Les courbes de perte, mAP, la précision et le rappel sont représentés graphiquement pour chaque époque, avec des points de contrôle automatiques et la conservation du meilleur modèle tout au long du processus.
Les journaux de formation en temps réel sont transmis en continu depuis le GPU prise en charge des couleurs ANSI et détection automatique des erreurs, ce qui permet de repérer immédiatement les problèmes.
Les données de télémétrie en temps réel concernant GPU , la mémoire, la température, CPU et le disque dur confirment que votre GPU efficacement tout au long de l'exécution.
La validation des modèles est une étape cruciale une fois que vos modèles de vision par ordinateur ont terminé leur apprentissage. Examinez votre matrice de confusion, votre courbe ROC et vos indicateurs par classe directement dans Platform, puis exportez-les vers plus de 17 formats, optimisés pour un déploiement dans le cloud, en périphérie ou sur appareil.
1
Annoter
2
Train
3
Déployer
Oui. Ultralytics prend en charge l'entraînement local sur vos propres GPU ou CPU. Installez le Python Ultralytics , configurez votre clé API, puis lancez l'entraînement : les métriques en temps réel sont transmises directement au tableau de bord de la plateforme, parallèlement à vos sessions d'entraînement dans le cloud. Cela vous offre la flexibilité d'utiliser votre propre matériel tout en conservant toutes vos expériences organisées en un seul endroit.
Ultralytics propose 22 GPU dont les tarifs varient entre 0,24 $ et 4,99 $ de l'heure. Pour la plupart des charges de travail, la RTX PRO 6000 (96 Go, 1,89 $/h) constitue un excellent choix par défaut. Pour les entraînements où le temps est un facteur critique, les modèles H100 et H200 offrent des performances maximales. Pour les tests et les petits ensembles de données, des options économiques comme la RTX 2000 Ada (0,24 $/h) conviennent parfaitement. La plateforme affiche une estimation du coût et de la durée avant que vous ne commenciez, ce qui vous permet de choisir le bon équilibre entre vitesse et budget pour votre projet.
Si une session d'entraînement échoue, vous ne serez pas facturé. Vous ne serez facturé que pour GPU effectivement utilisé lors des sessions menées à bien ou annulées manuellement. Des points de contrôle sont enregistrés tout au long de l'entraînement ; ainsi, si une session est interrompue ou annulée, votre progression jusqu'à ce moment-là est conservée. Vous pouvez consulter les journaux de la console pour diagnostiquer les problèmes et relancer l'entraînement avec des paramètres ajustés.
Oui. Ultralytics prend en charge l'exécution simultanée de tâches d'entraînement. Les utilisateurs de la formule gratuite peuvent exécuter jusqu'à 3 tâches d'entraînement simultanées, tandis que ceux de la formule Pro peuvent en exécuter jusqu'à 10 et ceux de la formule Entreprise, un nombre illimité. Chaque tâche dispose de sa propre GPU dédiée.
La durée de l'entraînement dépend de la taille de votre ensemble de données, de la taille du modèle, du nombre d'époques et GPU . À titre indicatif, l'entraînement de YOLO26n sur 1 000 images pendant 100 époques prend environ 2 à 3 heures sur une RTX PRO 6000. Les modèles plus volumineux, tels que YOLO26x, prendront plus de temps avec la même configuration. La plateforme estime le coût et la durée avant le début de l'entraînement, ce qui vous permet de toujours savoir à quoi vous attendre.
L'entraînement d'un modèle consiste à apprendre à un modèle de vision par ordinateur à reconnaître des motifs dans des données visuelles. Au cours de l'entraînement, le modèle traite des milliers d'images annotées, ajuste ses paramètres et améliore progressivement sa capacité à detect, segment ou classify des objets. Sur Ultralytics , l'entraînement est directement intégré au flux de travail d'annotation et de déploiement. Une fois votre ensemble de données annoté, vous pouvez sélectionner un YOLO , choisir un GPU dans le cloud et lancer l'entraînement, le tout sans quitter la plateforme.
Créez des modèles d'IA visuelle prêts pour la production sur des GPU en cloud — à partir de 0,24 $ de l'heure.
