며칠이 아닌 몇 번의 클릭으로 비전 AI 모델을 학습하세요

예. Ultralytics Platform은 자체 GPU 또는 CPU를 사용한 로컬 학습을 지원합니다. Ultralytics Python 패키지를 설치하고 API 키를 설정한 후 학습을 시작하세요. 실시간 메트릭은 클라우드 학습 실행과 함께 플랫폼 대시보드로 직접 스트리밍됩니다. 이를 통해 자체 하드웨어를 유연하게 사용하면서 모든 실험을 한곳에서 체계적으로 관리할 수 있습니다.

Ultralytics Platform은 시간당 $0.24부터 $4.99까지의 22가지 GPU 옵션을 제공합니다. 대부분의 워크로드에서 RTX PRO 6000(96GB, 시간당 $1.89)이 적합한 기본 선택입니다. 시간에 민감한 학습에는 H100과 H200이 최고의 성능을 제공합니다. 테스트 및 소규모 데이터셋에는 RTX 2000 Ada(시간당 $0.24)와 같은 예산형 옵션이 적합합니다. 플랫폼은 시작 전에 예상 비용과 기간을 표시하므로 프로젝트에 적합한 속도와 예산의 균형을 선택할 수 있습니다.

학습 실행이 실패하면 요금이 청구되지 않습니다. 완료되었거나 수동으로 취소된 실행의 실제 GPU 사용 시간에 대해서만 비용이 청구됩니다. 학습 중 체크포인트가 저장되므로 실행이 중단되거나 취소되어도 해당 시점까지의 진행 상황이 보존됩니다. 콘솔 로그를 검토하여 문제를 진단하고 설정을 조정한 후 학습을 다시 시작할 수 있습니다.

예. Ultralytics Platform은 동시 학습 실행을 지원합니다. Free 플랜 사용자는 최대 3개의 학습 작업을 동시에 실행할 수 있고, Pro 사용자는 최대 10개, Enterprise 사용자는 동시 작업을 무제한으로 실행할 수 있습니다. 각 실행에는 전용 GPU 인스턴스가 할당됩니다.

학습 시간은 데이터셋 크기, 모델 크기, 에포크 수 및 GPU 선택에 따라 달라집니다. 참고로 RTX PRO 6000에서 이미지 1,000개를 100 에포크 동안 YOLO26n으로 학습하는 데 약 2~3시간이 걸립니다. YOLO26x와 같은 대형 모델은 동일한 구성에서 더 오래 걸립니다. 플랫폼은 학습 시작 전에 비용과 기간을 예측하므로 예상 결과를 항상 확인할 수 있습니다.

모델 학습은 컴퓨터 비전 모델이 시각 데이터의 패턴을 인식하도록 가르치는 과정입니다. 학습 중 모델은 수천 개의 라벨링된 이미지를 처리하고 파라미터를 조정하며 객체를 탐지, 세그멘테이션 또는 분류하는 능력을 점진적으로 향상합니다. Ultralytics Platform에서는 학습이 어노테이션 및 배포 워크플로에 직접 통합되어 있습니다. 데이터셋에 라벨을 지정한 후 YOLO 모델을 선택하고 클라우드 GPU를 지정하여 플랫폼을 벗어나지 않고 학습을 시작할 수 있습니다.