几次点击即可训练视觉 AI 模型，无需等待数天
在 26 种云端 GPU 上训练 Ultralytics YOLO 模型。实时监控所有指标、比较实验，或使用带有 Ask AI 的 AutoTrain 启动基线训练并推荐下一次运行方案。
由全球领先的 YOLO 生态系统提供支持
基于数百万开发者信赖的开源基础进行训练，并通过广泛的下载量、使用情况和社区验证获得有力支持。
原生支持全球应用最广泛的 YOLO 模型
使用 Ultralytics YOLO11、YOLOv8 和 YOLOv5 系列，涵盖从 nano 到 large 的所有尺寸；还可在全部 7 种视觉任务上训练 Ultralytics YOLO26。
- 从 Ultralytics YOLO 模型开始：选择由原作者提供、可直接微调的预训练模型。
- 使用你自己的计算机视觉模型：上传 .pt 文件，在云端 GPU 上训练。
- 使用你的数据集或我们的数据集：使用自己的训练数据，或浏览 Ultralytics 和社区数据集。
井然有序地管理每次实验
将训练运行整理到项目中。比较数据集、超参数和模型大小，或让 AutoTrain 进行下一次实验。
按需使用 GPU，或在本地训练
一键使用多达 26 个云端 GPU 训练，或在自己的硬件上运行。
在云端 GPU 上训练：
在自己的基础设施上本地训练：
以更低成本在顶级 GPU 上训练
26 款 NVIDIA GPU，每小时低至 $0.24——涵盖 Ampere 至 Blackwell。无加价、无最低用量、无使用承诺。
实时监控训练过程
及早发现训练发散，优化模型性能，并实时跟踪进度。
实时指标图表：
轻松查看训练日志：
硬件监控：
部署前深入了解模型
查看计算机视觉模型的验证指标：混淆矩阵、PR 曲线和各类别结果，然后导出为 22 种格式。
了解训练流程
从选择模型到监控首次训练运行，看看 Ultralytics Platform 如何带你从数据集走向训练完成的模型；或者让 AutoTrain 运行下一次实验。
客户评价
Ultralytics Platform 对我们来说是一次重大突破。它让我们的数据科学家能够轻松创建数据集，利用云端计算快速训练新模型，比较不同模型设置下的实验，并最终为每个问题找出最佳模型。如今，它已成为我们开展目标检测、实例分割和语义分割实验的首选工具。
Tyler Biesel, 软件工程经理
我们非常喜欢 Ultralytics 提供的训练基础设施，尤其喜欢它的上手难度很低。整个过程十分直接，尤其是在构建数据集和运行“train”函数时。
使用 Ultralytics YOLOv8 nano，我们可以在边缘设备上重新训练，并在几小时而非几周内交付新模型，同时只需传输少量数据。这种准确度与小巧体积的结合，正是我们的环境所需要的。
Ultralytics Python 软件包让我们能够非常轻松、快速地训练模型。此外，它在不同模型和 YOLO 新版本之间保持标准化，确保了长期的高度稳定性。
在 ALYCE，借助 Ultralytics 训练模型带来了重大突破，让我们能够提高数据准确度，为客户提供无与伦比的品质，并协助客户推进可持续出行项目。
Ultralytics 的 YOLO 模型为 AI 行业带来了重大突破。开发者青睐 YOLOv5 和 YOLOv8 模型，因为它们易于使用、性能领先且准确度高。结合 OpenVINO，这些模型有望在现代 CPU 上开箱即用地实现最佳性能。
探索行业解决方案
了解各团队如何在生产环境中应用 Ultralytics 计算机视觉技术。
体育领域的计算机视觉
航空影像计算机视觉
航空航天中的计算机视觉
安防领域的计算机视觉
机器人领域的计算机视觉
物流中的计算机视觉
零售中的计算机视觉
医疗领域的计算机视觉
制造业中的计算机视觉
汽车领域的计算机视觉
农业中的计算机视觉
企业级安全与合规
放心构建和部署。已通过 ISO 27001 认证、获得 SOC 2 鉴证，并支持符合 HIPAA 要求。
SOC 2 Type I
ISO 27001:2022
HIPAA
GDPR 与 CCPA
常见问题
可以。安装当前版本的
ultralytics软件包（Python 3.11 或更高版本），设置 Platform API 密钥，然后使用project="username/project"进行训练，即可在云端运行的同时将指标流式传输到 Ultralytics Platform。本地计算机和 Google Colab 等笔记本环境都适用。在自己的硬件上训练不会消耗 Platform 额度，也不会计入云端训练限额。请根据模型大小、数据集大小、内存需求和预算进行选择。Platform 提供 26 款 NVIDIA GPU，起价为每小时 0.24 美元。RTX PRO 6000 是大多数任务的推荐默认选项，预算型 GPU 则适合规模较小的实验。Free 工作区可使用其中 24 款；使用 B200 和 B300 则需要 Pro 或 Enterprise 套餐。启动前，训练对话框会显示当前价格以及预计耗时和费用。
你只需为实际使用的云端 GPU 时间付费。如果任务在 GPU 启动前失败，则不会产生费用；GPU 启动后，无论任务完成、取消还是失败，都会按实际耗时计费。如果额度余额降至零以下，正在运行的云端任务会停止，并按已用时间计费；自动充值功能可帮助避免这种情况。停止的任务会保留最近一次上传的检查点（如果存在），而“重试训练”会恢复失败任务中的模型、数据集和训练设置。
可以。Free 工作区最多可同时运行 3 个云端训练任务，Pro 最多 10 个，Enterprise 不设上限。在自己的硬件上训练不计入这些限额。
这取决于数据集大小、模型大小、图像大小、训练轮数和 GPU。例如，使用默认设置时，估算器预计在 RTX PRO 6000 上以 640 像素训练 1,000 张图像、共 100 个轮次的 YOLO26n，大约需要 6 分钟，费用为 0.23 美元；较大的模型需要更长时间。实际耗时和费用可能有所不同，因此请在开始前查看你的配置对应的估算。
模型训练会利用已标注的样本优化计算机视觉模型的参数，使模型能够在新图像中识别相同模式。在 Ultralytics Platform 上，你可以在同一个工作区内从标注直接进入训练：选择数据集、模型和云端 GPU，然后启动训练任务。
可以。你可以从官方 YOLO26、YOLO11、YOLOv8 或 YOLOv5 模型、之前训练过的模型，或你上传的 Ultralytics
.pt检查点（最大 1 GB）启动训练任务。要使用新图像或新类别改进模型，请将它们添加到数据集中，然后从现有模型开始训练。这会微调出一个新模型，原模型不会改变。从小型 Ultralytics YOLO26 模型开始，例如 YOLO26n 或 YOLO26s。小型模型训练和运行速度更快，适合边缘设备；较大型号可能更准确，但需要更多算力。在同一个项目中比较一个小型模型和一个较大型模型，然后根据准确率、速度以及运行模型的设备做出选择。
可以。Free 套餐无需订阅费，并包含 5 美元的注册额度；验证公司邮箱后，总额度为 25 美元。云端训练按使用的 GPU 时间消耗额度，而在自己的硬件上训练无需支付 Platform 费用。查看定价，了解套餐和额度详情。
Ultralytics YOLO 模型默认采用 AGPL-3.0 许可，而 Free 和 Pro 套餐不包含 Enterprise License。若要在专有产品中使用模型且不受 AGPL-3.0 义务约束，你需要 Ultralytics 企业许可证。查看许可，了解详情。
立即开始训练！
在云端 GPU 上构建可用于生产环境的视觉 AI 模型，或让 AutoTrain 推荐下一轮实验——价格低至每小时 $0.24。