Ultralytics 벤치마크

학습 방법론

학습 중 초당 처리되는 이미지 수인 학습 처리량을 기준으로 사용하며, 이는 솔루션 도출 시간과 직접적으로 연관됩니다. 모든 결과는 Ultralytics 플랫폼 GPU에서 측정됩니다. 이는 엔트리 수준 워크스테이션 카드부터 플래그십 데이터 센터 GPU에 이르기까지, 클라우드 학습을 위해 클릭 한 번으로 대여하는 것과 동일한 NVIDIA 하드웨어입니다. 하드웨어 예산에 맞게 모델을 선택할 수 있도록 다섯 가지 크기(n/s/m/l/x) 모두에서 YOLO26을 학습시킵니다.

설정. COCO의 25%에서 640px로 2 에포크, AMP 혼합 정밀도, 단일 GPU, 메모리에 맞는 가장 큰 배치를 선택하는 자동 배치(batch=-1)를 사용합니다. 첫 번째 에포크의 웜업(데이터셋 캐싱, CUDA 그래프 캡처) 및 실행 종료 시 검증 패스를 제외한 정상 상태의 두 번째 에포크를 보고합니다. 해결된 배치 크기, 최고 VRAM(CUDA 컨텍스트 포함) 및 최고 보드 전력은 각 GPU에서 직접 기록됩니다.

비용 효율성. 달러당 이미지 수 = 처리량 × 3600 ÷ 시간당 가격으로, Ultralytics 플랫폼 온디맨드 가격을 사용합니다. 가성비 카드가 달러당 플래그십 GPU보다 더 뛰어난 성능을 보일 수 있으므로 순위가 극적으로 바뀔 수 있습니다. 학습 및 벤치마크 모드 문서도 참고하세요.