何日もかけず、数クリックでビジョンAIモデルをトレーニング

はい。最新のultralyticsパッケージ（Python 3.11以降）をインストールしてPlatform APIキーを設定し、project="username/project"で学習すると、クラウドでの学習と併せてメトリクスをUltralytics Platformにストリーミングできます。ローカルマシンやGoogle Colabなどのノートブックで利用できます。自分のハードウェアでの学習ではPlatformクレジットを消費せず、クラウド学習の上限にもカウントされません。

モデルサイズ、データセットのサイズ、メモリー要件、予算に基づいて選択してください。Platformでは、26種類のNVIDIA GPUを1時間あたり0.24ドルから利用できます。多くのジョブではRTX PRO 6000がデフォルトの推奨GPUで、小規模な実験には低価格のGPUが適しています。Freeワークスペースではそのうち24種類を利用でき、B200とB300にはProまたはEnterpriseプランが必要です。学習を開始する前に、ダイアログで現在の料金と推定時間・費用を確認できます。

クラウドGPUの使用時間に応じて課金されます。GPUが起動する前に失敗した実行では費用がかかりません。GPUの稼働開始後は、完了、キャンセル、失敗のいずれの場合も、経過時間分が課金されます。クレジット残高がゼロを下回ると、実行中のクラウドジョブは停止し、使用時間分が課金されます。自動チャージを有効にすると、これを防ぐのに役立ちます。停止した実行には、アップロード済みの最新チェックポイントがあれば保持されます。また、「Retry Training」を使うと、失敗した実行のモデル、データセット、学習設定を復元できます。

はい。Freeワークスペースではクラウド学習ジョブを同時に最大3件、Proでは最大10件実行できます。Enterpriseには上限がありません。自分のハードウェアでの学習は、これらの上限にカウントされません。

データセットのサイズ、モデルのサイズ、画像サイズ、エポック数、GPUによって異なります。たとえば、デフォルト設定の場合、1,000枚の画像を使い、RTX PRO 6000で640ピクセル、100エポック学習するYOLO26nの所要時間は約6分、費用は0.23ドルと推定されます。大きなモデルほど時間がかかります。実際の時間と費用は変動するため、開始前に設定に応じた推定値を確認してください。

モデルの学習では、ラベル付きの例を使ってコンピュータービジョンモデルのパラメーターを最適化し、新しい画像でも同じパターンを認識できるようにします。Ultralytics Platformでは、1つのワークスペースでアノテーションから学習まで進められます。データセットを選択し、モデルとクラウドGPUを選んで実行を開始してください。

はい。公式のYOLO26、YOLO11、YOLOv8、YOLOv5モデル、以前に学習したモデル、または自分で学習したUltralyticsの.ptチェックポイントを起点に実行を開始できます。チェックポイントはアップロードでき、上限は1 GBです。新しい画像やクラスを使ってモデルを改善するには、それらをデータセットに追加し、既存モデルから学習します。これにより新しいモデルをファインチューニングし、元のモデルは変更せずに保持できます。

YOLO26nやYOLO26sなど、小型のUltralytics YOLO26モデルから始めましょう。小型モデルは学習と実行が速く、エッジデバイスに適しています。一方、大型モデルは精度が高くなる可能性がありますが、より多くの計算リソースが必要です。同じプロジェクトで小型モデルと大型モデルを比較し、精度、速度、実行するデバイスに基づいて選択してください。

はい。Freeプランにはサブスクリプション料金がなく、登録時に5ドル分のクレジットが含まれています。会社のメールアドレスを確認すると、合計25ドル分のクレジットを利用できます。クラウドでの学習には、使用したGPU時間に応じてクレジットが必要です。お手元のハードウェアで学習する場合、Platformの料金はかかりません。プランとクレジットについては、料金をご覧ください。

Ultralytics YOLOモデルは、デフォルトでAGPL-3.0のライセンスが適用されます。FreeプランとProプランにはEnterprise Licenseが含まれていません。AGPL-3.0の義務を負わずにモデルをプロプライエタリ製品で使用するには、Ultralytics Enterprise Licenseが必要です。詳細については、ライセンスをご覧ください。