Ultralyticsベンチマーク

トレーニング手法

指標として、トレーニング中に処理される画像枚数であるトレーニングスループットを使用します。これは解決までの時間に直接相関します。すべての結果はUltralytics PlatformのGPUで測定されます。これは、クラウドトレーニング用にワンクリックでレンタルできるNVIDIAハードウェアと同じもので、エントリーレベルのワークステーションカードからフラッグシップのデータセンターGPUまでを含みます。YOLO26の5つの全サイズ（n/s/m/l/x）をトレーニングし、ハードウェア予算に合ったモデルを選択できるようにしています。

設定 640pxのCOCOの25%で2エポック、AMP混合精度、シングルGPU、auto-batch（batch=-1）を使用し、メモリに収まる最大バッチサイズを選択します。定常状態の2エポック目を報告し、最初のエポックのウォームアップ（データセットキャッシング、CUDAグラフキャプチャ）と実行終了時の検証パスは除外します。決定されたバッチサイズ、ピークVRAM（CUDAコンテキストを含む）、ピークボード電力は、各GPUから直接記録されます。

コスト効率 1ドルあたりの画像処理枚数 = スループット × 3600 ÷ 時間単価。Ultralytics Platformのオンデマンド価格を使用します。コスト効率の高いカードはフラッグシップGPUよりも1ドルあたりの収益が高いため、ランキングが劇的に変わることがよくあります。ultralytics 8.4.68、torch 2.8、CUDA 12.8で測定。TrainおよびBenchmarkモードのドキュメントも併せて参照してください。

推論手法

指標として、バッチサイズ1での画像あたりのミリ秒数である推論レイテンシを使用します。これはリアルタイムのデプロイにおいて重要な指標です。各YOLO26サイズを表示されたフォーマットと精度にエクスポートし、デプロイ先となるUltralytics PlatformのGPU上で、定常状態の予測時間を計測します（ウォームアップを除外、実行ごとの時間をシグマクリップ）。

フォーマットと精度 NVIDIA GPU上では、PyTorch FP16、ONNX FP16、TensorRT FP16/INT8（NVIDIA ModelOpt経由のTensorRT 11.1.0.106）を使用します。INT8はCOCO128でキャリブレーションされています。精度（COCO val2017でのmAP50-95）はフォーマット/精度ごとに1回測定され、行ごとに表示されるため、速度と精度のトレードオフが明確になります。INT8は大規模で計算負荷の高いモデルで最も効果を発揮します。最小のモデルでは量子化オーバーヘッドがFP16と同等か、わずかに遅くなる場合があります。ONNX推論はAda/Ampere/Hopper GPUで実行されます（onnxruntimeはまだBlackwellカーネルに対応していません）。

Apple Silicon Macデバイス（例：Apple M5 Pro）はローカルでプロファイリングされ、テーブルにマージされます。フォーマットを選択してクラウドGPUと直接比較するか、Apple Silicon世代でフィルタリングしてください。CoreMLはNeural Engine（最も高速なAppleのパス、CPUの約3倍）上で、PyTorchはMPS GPU上で、ONNXはCPU上で実行されます。各行のBackend列にはランタイムが記載されています。CoreMLはANE上でcoremltoolsを使用してタイミングを計測しています。これはホスト画面上の相対的な値であり、iPhoneデバイスの数値ではありません。所有ハードウェアにはレンタル価格がないため、コスト効率（img/$）はGPUのみの計算です。

コスト効率 1ドルあたりの推論回数 = FPS × 3600 ÷ 時間単価。Ultralytics Platformのオンデマンド価格を使用します。ultralytics 8.4.71、torch 2.12、CUDA 13.2で測定。PredictおよびBenchmarkモードのドキュメントも併せて参照してください。