Benchmark di Ultralytics

Metodologia di training

Usiamo il throughput di training — immagini elaborate al secondo durante il training — come parametro di riferimento; è direttamente correlato al tempo di ottenimento del risultato. Ogni risultato è misurato sulle GPU di Ultralytics Platform, lo stesso hardware NVIDIA che noleggi per il training cloud in un clic, dalle schede per workstation entry-level fino alle GPU data-center di punta. Eseguiamo il training di YOLO26 in tutte e cinque le taglie (n/s/m/l/x) in modo da poter abbinare un modello al tuo budget hardware.

Impostazioni. 2 epoche sul 25% di COCO a 640px, precisione mista AMP, singola GPU, con auto-batch (batch=-1) che seleziona il batch più grande che rientra in memoria. Riportiamo la seconda epoca a regime, che esclude il warmup della prima epoca (caching del dataset, cattura del grafo CUDA) e il passaggio di validazione di fine 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 ciascuna GPU.

Efficienza dei costi. Immagini per dollaro = throughput × 3600 ÷ prezzo orario, utilizzando i prezzi on-demand di Ultralytics Platform; spesso riordina drasticamente la classifica, poiché le schede economiche rendono più delle GPU di punta per dollaro. Vedi anche la documentazione delle modalità Train e Benchmark.