Ultralytics 基准测试

训练方法

我们使用训练吞吐量——训练期间每秒处理的图像数——作为衡量标准；它与解决问题所需的时间直接相关。每项结果都在 Ultralytics Platform GPU 上测得，这些就是你一键租用云端训练时使用的 NVIDIA 硬件，涵盖入门级工作站显卡到旗舰数据中心 GPU。我们以全部五种尺寸（n/s/m/l/x）训练 YOLO26，让你可以根据硬件预算选择合适的模型。

设置。 在 COCO 的 25% 数据上以 640px 训练 2 个 epoch，使用 AMP 混合精度和单 GPU，并通过 auto-batch（batch=-1）选择适合显存的最大批次。我们报告稳定状态下的第 2 个 epoch，不包括第 1 个 epoch 的预热阶段（数据集缓存、CUDA 图捕获）和运行结束时的验证过程。实际批次大小、峰值显存（包括 CUDA 上下文）和峰值板卡功耗均直接从每个 GPU 记录。

成本效益。 每美元处理的图像数 = 吞吐量 × 3600 ÷ 每小时价格，价格采用 Ultralytics Platform 的按需定价——这通常会显著改变排名，因为高性价比显卡每美元带来的收益超过旗舰 GPU。另请参阅 Train 和 Benchmark 模式文档。