Ultralytics 벤치마크

학습 방법론

학습 처리량 — 학습 중 초당 처리된 이미지 수 — 을 기준으로 사용합니다. 이 값은 솔루션 도출 시간과 직접적인 상관관계가 있습니다. 모든 결과는 Ultralytics Platform GPU에서 측정합니다. 이 GPU는 초보급 워크스테이션 카드부터 플래그십 데이터센터 GPU까지, 클릭 한 번으로 클라우드 학습에 대여할 수 있는 것과 동일한 NVIDIA 하드웨어입니다. 하드웨어 예산에 맞는 모델을 선택할 수 있도록 YOLO26을 다섯 가지 크기(n/s/m/l/x)로 모두 학습합니다.

설정. COCO의 25%를 사용해 640px에서 2 에폭 동안 AMP 혼합 정밀도와 단일 GPU로 학습하며, 자동 배치 크기(batch=-1)가 메모리에 들어가는 최대 배치 크기를 선택합니다. 첫 에폭의 워밍업(데이터셋 캐싱, CUDA 그래프 캡처)과 실행 종료 시 검증 단계는 제외한 정상 상태의 두 번째 에폭을 보고합니다. 각 GPU에서 확인된 배치 크기, 최대 VRAM(CUDA 컨텍스트 포함), 최대 보드 전력을 기록합니다.

비용 효율성. Ultralytics Platform의 온디맨드 가격을 기준으로 달러당 이미지 수를 처리량 × 3600 ÷ 시간당 가격으로 계산합니다. 가성비가 좋은 카드가 달러당 플래그십 GPU보다 높은 성능을 내는 경우가 많아 순위가 크게 달라지기도 합니다. 학습 및 벤치마크 모드 문서도 참조하세요.