Ultralytics 基准测试

训练方法论

我们以训练期间每秒处理的图像数即训练吞吐量作为衡量标准；它与达成解决方案的时间直接相关。每个结果都在 Ultralytics 平台 GPU 上进行测量——这是你通过一键租赁用于云端训练的同一款 NVIDIA 硬件，从入门级工作站显卡到旗舰数据中心 GPU 均有涵盖。我们对所有五种尺寸（n/s/m/l/x）的 YOLO26 进行训练，以便你将模型与硬件预算相匹配。

设置。 在 640px 下使用 25% 的 COCO 数据集进行 2 个 epoch，采用 AMP 混合精度、单 GPU，并通过自动批处理（batch=-1）选择适合内存的最大批次。我们报告稳定状态下的第二个 epoch，这排除了第一个 epoch 的预热（数据集缓存、CUDA 图捕获）以及运行结束时的验证通道。解析后的批次大小、峰值 VRAM（包含 CUDA 上下文）以及峰值单板功耗直接从每个 GPU 记录。

成本效益。 每美元图像数 = 吞吐量 × 3600 ÷ 每小时价格，使用 Ultralytics 平台按需定价——它通常会大幅重新排列排名，因为性价比显卡在每美元收益上超过了旗舰 GPU。另请参阅训练和基准测试模式文档。