几下点击即可训练视觉AI模型，而非耗时数日。

是的。Ultralytics 平台支持在您自己的 GPU 或 CPU 上进行本地训练。安装 Ultralytics Python 包，设置您的 API 密钥，然后开始训练，实时指标将直接流式传输到平台仪表板，与您的云训练运行并列显示。这使您能够灵活使用自己的硬件，同时将所有实验集中管理。

Ultralytics Platform 提供22种 GPU 选项，每小时费用从0.24美元到4.99美元不等。对于大多数工作负载，RTX PRO 6000（96 GB，1.89美元/小时）是一个强有力的默认选择。对于时间敏感的训练，H100 和 H200 可提供最大性能。对于测试和小型数据集，RTX 2000 Ada（0.24美元/小时）等经济型选项表现良好。平台会在您开始前显示预估成本和持续时间，以便您为项目选择速度和预算之间的最佳平衡。

如果训练运行失败，您将不会被收费。您只为已完成或手动取消的运行的 实际GPU使用时间 付费。训练过程中会保存检查点，因此如果运行中断或取消，您的进度将得到保留。您可以查看控制台日志以诊断问题，并调整设置后重新开始训练。

是的。Ultralytics 平台支持并发训练运行。免费计划用户最多可同时运行 3 个训练任务，而专业计划用户最多可运行 10 个，企业计划则无限制。每个运行都拥有自己的专用 GPU 实例。

训练时间取决于您的数据集大小、模型大小、epoch 数量和 GPU 选择。作为参考，在 RTX PRO 6000 上使用 1,000 张图像对 YOLO26n 进行 100 个 epoch 的训练大约需要 2-3 小时。像 YOLO26x 这样的大型模型在相同配置下会花费更长时间。平台会在训练开始前 预估成本和时长，因此您始终清楚预期。

模型训练是教计算机视觉模型识别视觉数据中模式的过程。在训练过程中，模型处理数千张带标签的图像，调整其参数，并逐步提高其 detect、segment 或 classify 对象的能力。在Ultralytics Platform上，训练直接集成到标注和部署工作流程中。一旦您的数据集被标注，您就可以选择一个 YOLO模型，选择一个云GPU，然后开始训练，所有这些都无需离开平台。