Ultralytics 基准测试

训练方法

我们以训练吞吐量——训练期间每秒处理的图像数——作为衡量标准；它与达到解决方案所需的时间直接相关。所有结果均在 Ultralytics Platform GPU 上测得——这些就是你只需点击一次即可租用来进行云端训练的 NVIDIA 硬件，涵盖入门级工作站显卡到旗舰数据中心 GPU。我们使用 YOLO26 的全部五种尺寸（n/s/m/l/x）进行训练，方便你根据硬件预算选择合适的模型。

设置。在 COCO 的 25% 数据上以 640px 分辨率训练 2 个 epoch，使用 AMP 混合精度和单 GPU，并由 自动批次大小（batch=-1）选择能装入内存的最大批次。我们报告稳定状态下第二个 epoch 的数据，不包含第一个 epoch 的预热过程（数据集缓存、CUDA 图捕获）和运行结束时的验证环节。每块 GPU 的最终批次大小、峰值 VRAM（包括 CUDA 上下文）和峰值板卡功耗均直接记录。

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 按需定价——这通常会大幅改变排名，因为高性价比显卡每美元的表现胜过旗舰 GPU。另请参阅 Train 和 Benchmark 模式文档。