ultralytics
TreineYOLO Ultralytics em 22 GPUs na nuvem, monitore todas as métricas em tempo real e compare experiências lado a lado, tudo a partir de uma única plataforma.
127.7K
Estrelas no GitHub
234M
Transferências
2.5B
Usos diários
Ultralytics foi concebida especificamente para os modelos que já utiliza. Treine Ultralytics , YOLO11, YOLOv8 e YOLOv5 todas as cinco tarefas de visão computacional, com suporte completo desde modelos nano até modelos de grande dimensão.
Comece com umYOLO Ultralytics : YOLOv5 YOLO26 , YOLO11, YOLOv8 ou YOLOv5 , pré-treinados pelos autores originais e prontos para serem ajustados.
Traga o seu próprio modelo de visão computacional: carregue um ficheiro .pt e treine-o em GPUs na nuvem. Os parâmetros de treino, a arquitetura e os resultados são analisados automaticamente.
Os seus dados ou os nossos: ligue os seus dados de treino e conjuntos de dados rotulados ou explore os conjuntos de dados oficiais Ultralytics os partilhados pela comunidade para começar.
Escolha entre 22 GPU , desde a RTX 4090 e a A100 até à H100, H200 e B200. Selecione uma GPU, defina o seu orçamento e comece o treino. A plataforma estima antecipadamente o custo e a duração, pelo que não há surpresas.
Prefere utilizar o seu próprio hardware? Realize os seus treinos nas suas GPUs ou CPUs locais e transmita métricas em tempo real para a plataforma utilizando oPython Ultralytics . As suas experiências são apresentadas juntamente com as execuções na nuvem no painel do mesmo projeto.
As curvas de perda, mAP, a precisão e o recall são representados graficamente por época, com pontos de verificação automáticos e preservação do melhor modelo ao longo de todo o processo.
Os registos de treino em tempo real são transmitidos a partir da GPU suporte para cores ANSI e deteção automática de erros, pelo que os problemas são detetados imediatamente.
A telemetria em tempo real relativa GPU , à memória, à temperatura, CPU e ao disco confirma que GPU sua GPU funcionar de forma eficiente durante toda a execução.
A validação do modelo é uma etapa fundamental após a conclusão do treino dos seus modelos de visão computacional. Analise a sua matriz de confusão, a curva ROC e as métricas por classe diretamente na Plataforma e, em seguida, exporte para mais de 17 formatos, otimizados para implementação na nuvem, no perímetro ou no próprio dispositivo.
1
Anotar
2
Trem
3
Implante
Sim. Ultralytics suporta o treino local nas suas próprias GPUs ou CPUs. Instale o Python Ultralytics , configure a sua chave API e comece o treino; as métricas em tempo real são transmitidas diretamente para o painel da plataforma, a par das suas execuções de treino na nuvem. Isto dá-lhe a flexibilidade de utilizar o seu próprio hardware, mantendo todas as experiências organizadas num único local.
Ultralytics oferece 22 GPU , com preços que variam entre 0,24 $ e 4,99 $ por hora. Para a maioria das cargas de trabalho, a RTX PRO 6000 (96 GB, 1,89 $/hora) é uma excelente escolha padrão. Para treinos em que o tempo é um fator crítico, as H100 e H200 proporcionam o máximo desempenho. Para testes e conjuntos de dados pequenos, opções económicas como a RTX 2000 Ada (0,24 $/hora) funcionam bem. A plataforma apresenta uma estimativa do custo e da duração antes de iniciar, para que possa escolher o equilíbrio certo entre velocidade e orçamento para o seu projeto.
Se uma execução de treino falhar, não lhe será cobrado nada. Só lhe será cobrado pelo GPU efetivamente utilizado nas execuções concluídas ou canceladas manualmente. São guardados pontos de verificação ao longo do treino, pelo que, se uma execução for interrompida ou cancelada, o seu progresso até esse momento é preservado. Pode consultar os registos da consola para diagnosticar problemas e reiniciar o treino com as definições ajustadas.
Sim. Ultralytics suporta execuções de treino simultâneas. Os utilizadores do plano gratuito podem executar até 3 tarefas de treino simultâneas, enquanto os utilizadores do plano Pro podem executar até 10 e os do plano Enterprise têm um número ilimitado. Cada execução dispõe da sua própria GPU dedicada.
O tempo de treino depende do tamanho do conjunto de dados, do tamanho do modelo, do número de épocas e GPU . A título de referência, treinar o YOLO26n com 1 000 imagens durante 100 épocas demora aproximadamente 2 a 3 horas numa RTX PRO 6000. Modelos maiores, como o YOLO26x, demorarão mais tempo com a mesma configuração. A plataforma estima o custo e a duração antes do início do treino, para que saiba sempre o que esperar.
O treino de modelos é o processo de ensinar um modelo de visão computacional a reconhecer padrões em dados visuais. Durante o treino, o modelo processa milhares de imagens anotadas, ajusta os seus parâmetros e melhora progressivamente a sua capacidade de detect, segment ou classify objetos. Na Ultralytics , o treino está integrado diretamente no fluxo de trabalho de anotação e implementação. Assim que o seu conjunto de dados estiver anotado, pode selecionar um YOLO , escolher uma GPU na nuvem e iniciar o treino, tudo sem sair da plataforma.
Crie modelos de IA de visão prontos para produção em GPUs na nuvem — a partir de 0,24 $ por hora.
