모델 학습#
Ultralytics Platform은 실험 구성부터 실시간 메트릭 스트리밍을 통한 클라우드 학습 작업 실행까지, YOLO 모델 학습을 위한 종합적인 도구를 제공합니다.
Watch: Get Started with Ultralytics Platform - Train
개요#
Training 섹션에서는 다음 작업을 수행할 수 있습니다.
- 구성 모델을 더 쉽게 관리할 수 있도록 프로젝트에 정리합니다.
- 학습 한 번의 클릭으로 클라우드 GPU에서 학습합니다.
- 모니터링 학습 중 실시간 메트릭을 모니터링합니다.
- 비교 여러 실험에서 모델 성능을 비교합니다.
- 내보내기 20개의 배포 형식으로 내보냅니다(지원 형식 참조).
Workflow#
graph LR
A[📁 Project]:::start --> B[⚙️ Configure]:::proc
B --> C[🚀 Train]:::proc
C --> D[📈 Monitor]:::proc
D --> E[📦 Export]:::out
classDef start fill:#4CAF50,color:#fff
classDef proc fill:#2196F3,color:#fff
classDef out fill:#9C27B0,color:#fff| 단계 | 설명 |
|---|---|
| 프로젝트 | 관련 모델을 정리할 수 있는 workspace를 생성합니다. |
| 구성 | 데이터셋, 기본 모델 및 학습 파라미터를 선택합니다. |
| 학습 | 클라우드 GPU 또는 로컬 하드웨어에서 실행합니다. |
| 모니터링 | 실시간 loss 곡선과 메트릭을 확인합니다. |
| 내보내기 | 20개의 배포 형식으로 변환합니다(세부 정보). |
학습 옵션#
Ultralytics Platform은 여러 학습 방식을 지원합니다.
| 메서드 | 설명 | 적합한 용도 |
|---|---|---|
| 클라우드 학습 | Ultralytics Cloud GPU에서 학습합니다. | 로컬 GPU가 없어도 확장할 수 있습니다. |
| 로컬 학습 | 로컬에서 학습하고 메트릭을 Platform으로 스트리밍합니다. | 기존 하드웨어를 사용하며 개인정보를 보호할 수 있습니다. |
| Colab 학습 | Platform 통합과 함께 Google Colab을 사용합니다. | 무료 GPU를 사용할 수 있습니다. |
RTX PRO 6000보다 저렴한 GPU를 선택하고 Ultralytics에서 관리하는 용량을 사용할 수 있는 경우, Platform은 선택한 GPU의 시간당 요금만 청구하면서 작업을 RTX PRO 6000에서 실행합니다. 선택한 GPU에서 실행하는 것보다 작업이 더 빨리 완료되고 비용도 줄어들 수 있으며, 업그레이드로 인해 시간이나 비용이 추가되는 일은 없습니다.
GPU 옵션#
Ultralytics Cloud에서 클라우드 학습에 사용할 수 있는 GPU입니다.
| GPU | 세대 | VRAM | 시간당 비용 | 적합한 용도 |
|---|---|---|---|---|
| RTX 2000 Ada | Ada | 16 GB | $0.24 | 소규모 데이터셋, 테스트 |
| RTX A4500 | Ampere | 20 GB | $0.25 | 소규모~중간 규모 데이터셋 |
| RTX 4000 Ada | Ada | 20 GB | $0.26 | 중간 규모 데이터셋 |
| RTX A5000 | Ampere | 24 GB | $0.27 | 중간 규모 데이터셋 |
| L4 | Ada | 24 GB | $0.39 | 추론에 최적화 |
| A40 | Ampere | 48 GB | $0.44 | 더 큰 배치 크기 |
| RTX 3090 | Ampere | 24 GB | $0.46 | 일반 트레이닝 |
| RTX A6000 | Ampere | 48 GB | $0.49 | 대형 모델 |
| RTX PRO 4000 | Blackwell | 24 GB | $0.57 | 경제적인 Blackwell |
| RTX PRO 4500 | Blackwell | 32 GB | $0.64 | 뛰어난 가격 대비 성능 |
| RTX 4090 | Ada | 24 GB | $0.69 | 최고의 가격 대비 성능 |
| RTX 6000 Ada | Ada | 48 GB | $0.77 | 대규모 배치 학습 |
| L40S | Ada | 48 GB | $0.86 | 대규모 배치 학습 |
| RTX PRO 5000 | Blackwell | 48 GB | $0.96 | 대규모 배치 학습 |
| RTX 5090 | Blackwell | 32 GB | $0.99 | 최신 소비자용 세대 |
| L40 | Ada | 48 GB | $0.99 | 대형 모델 |
| A100 PCIe | Ampere | 80 GB | $1.39 | 프로덕션 학습 |
| A100 SXM | Ampere | 80 GB | $1.49 | 프로덕션 학습 |
| RTX PRO 6000 | Blackwell | 96 GB | $2.09 | 권장 기본값 |
| H100 PCIe | Hopper | 80 GB | $2.89 | 고성능 학습 |
| H100 NVL | Hopper | 94 GB | $3.19 | 최고 성능 |
| H100 SXM | Hopper | 80 GB | $3.29 | 가장 빠른 학습 |
| H200 NVL | Hopper | 143 GB | $3.39 | 최대 메모리 |
| H200 SXM | Hopper | 141 GB | $4.39 | 최고 성능 |
| B200 | Blackwell | 180 GB | $5.89 | 대규모 모델(Pro+) |
| B300 | Blackwell | 288 GB | $7.39 | 최대 규모 모델(Pro+) |
B200 및 B300 GPU를 사용하려면 Pro 또는 Enterprise 플랜이 필요합니다. 다른 모든 GPU는 Free를 포함한 모든 플랜에서 사용할 수 있습니다.
새 계정에는 학습을 위한 가입 크레딧이 제공됩니다. 자세한 내용은 Billing을 확인하십시오.
실시간 메트릭#
학습 중 세 개의 하위 탭에서 실시간 메트릭을 확인할 수 있습니다.
graph LR
A[Charts]:::start --> B[Loss Curves]:::out
A --> C[Task Metrics]:::out
D[Console]:::start --> E[Live Logs]:::out
D --> F[Error Detection]:::out
G[System]:::start --> H[GPU, CPU & Memory]:::out
G --> I[Network & Disk I/O]:::out
classDef start fill:#4CAF50,color:#fff
classDef out fill:#9C27B0,color:#fff| 하위 탭 | 메트릭 |
|---|---|
| Charts | 작업 메트릭(탐지의 경우 mAP50, mAP50-95, precision, recall), train/val loss, learning rate |
| Console | ANSI 색상과 자동 오류 감지 기능을 지원하는 실시간 학습 로그 |
| System | GPU 사용률, GPU 메모리 및 온도, CPU, RAM, 네트워크 및 디스크 I/O |
최고의 체크포인트(best.pt, fitness가 가장 높은 epoch)는 학습 실행 중 주기적으로 Platform에 업로드되며
실행이 종료될 때 다시 업로드됩니다. 따라서 다운로드, 내보내기 및 배포에는 항상 지금까지 생성된 epoch 중 가장 좋은
epoch가 사용됩니다. 취소된 실행에서는 업로드가 완료된 마지막 체크포인트가 유지됩니다.
빠른 시작#
1분 이내에 클라우드 학습을 시작할 수 있습니다.
- 사이드바에서 프로젝트를 생성합니다.
- New Model을 클릭합니다.
- 모델, 데이터셋 및 GPU를 선택합니다.
- Start Training을 클릭합니다.
빠른 링크#
- 프로젝트: 모델과 실험을 구성합니다.
- Models: 학습된 체크포인트를 관리합니다.
- 클라우드 학습: 클라우드 GPU에서 학습합니다.
- AutoTrain: Ask AI를 사용하여 실험을 실행하고 모델을 비교하세요