Benchmark Ultralytics

Metodologia di addestramento

Usiamo il throughput di addestramento — immagini elaborate al secondo durante l'addestramento — come parametro di riferimento; è direttamente correlato al tempo necessario per arrivare alla soluzione. Ogni risultato è misurato sulle GPU della Ultralytics Platform — lo stesso hardware NVIDIA che noleggi per l'addestramento nel cloud con un solo clic, dalle schede workstation entry-level alle GPU di punta per data center. Addestriamo YOLO26 in tutte e cinque le dimensioni (n/s/m/l/x), così puoi abbinare un modello al tuo budget hardware.

Impostazioni. 2 epoche sul 25% di COCO a 640px, precisione mista AMP, una singola GPU, con auto-batch (batch=-1) che seleziona il batch più grande compatibile con la memoria disponibile. Riportiamo la seconda epoca a regime, escludendo il warmup della prima epoca (caching del dataset, acquisizione del grafo CUDA) e il passaggio di validazione al termine dell'esecuzione. La dimensione del batch risolta, la VRAM di picco (incluso il contesto CUDA) e la potenza di picco della scheda vengono registrate direttamente da ogni GPU.

Efficienza dei costi. Immagini per dollaro = throughput × 3600 ÷ prezzo orario, usando i prezzi on-demand della Ultralytics Platform — spesso questo riordina drasticamente la classifica, poiché le schede più convenienti generano più valore per dollaro rispetto alle GPU di punta. Consulta anche la documentazione delle modalità Train e Benchmark.