Platformプロジェクトの計画と予算策定

ループをつなぐPlatform#

本番環境のビジョンシステムはどれも同じループを実行します。コストがかさむのは各ボックスそのものではなく、ボックス間の矢印です。

Platformの価値は、各段階で次の段階に必要な情報を記録できることです。この表を道しるべとして使ってください。最後の列には、その段階を学ぶレッスンを示しています。

2つのツールで一連のワークフローをカバーできます。Agentsは、不確かな検出結果をレビュー用データセットに集めるなど、ビジュアルワークフローを構築します。Ask AIでは、自分で実行できるものと同じul cloudコマンドを使い、会話からトレーニング、比較、アノテーション、エクスポート、デプロイを行えます。

自分で担う作業を見極める#

プラットフォームが対応しない範囲は、意図的にいくつか設けられています。計画では、それぞれに担当者を明記してください。

• 独自システムからのフレームの取り出し（DICOMアーカイブ、OEMカメラ、プラントヒストリアン）：フレームをバケットまたはアップロード先に格納するコードは、お客様側で用意します。
• ページング。プラットフォームではエンドポイントのメトリクスを確認でき、ジョブイベントをSlackに投稿できますが、レイテンシやエラーのしきい値に基づくアラートには対応していません。レッスン8で、このチェックを構築します。
• 時間経過に伴う精度。ラベル付きホールドアウトデータとその履歴は、お客様が管理します（レッスン8）。
• アプリケーションロジック。カウント、トラッキング、ゾーンルールはお客様のサービスで管理します。Ultralytics SolutionsとUltralytics YOLO in Productionコースで詳しく説明しています。
• トラフィックルーティング。エンドポイントには自動生成URLが割り当てられ、カスタムドメインには対応していません。そのため、カナリアリリース、マルチリージョンルーティング、ブランド独自のホスト名には、お客様独自のゲートウェイが必要です。

プラットフォームは独立したフレームワークではありません。プラットフォームのモデルは通常のbest.ptとしてダウンロードされ、YOLO("best.pt")で読み込み、検証、エクスポートできます。また、ローカルのmodel.train(..., project="username/my-project")は、APIキーを設定すればプラットフォームにストリーミングできます。両者を移行する際に変換は不要です。

実践例：プロジェクト開始前に予算を見積もる#

クレジットが必要なのは、クラウドトレーニング（GPU料金×使用時間）、バッチアノテーションとデータセット全体の顔ぼかし（画像1,000枚あたり$1.00）、カスタムサイズのエンドポイント（稼働時間単位の課金）の3項目です。このコースのその他の内容はすべて無料です。この計算ツールでは、小規模な物体検出プロジェクトについて、プラットフォームの実際の料金を使って見積もります。

# Monthly Platform budget for a small detection project (rates from the billing and deployment docs)
TRAIN_RUNS = 8  # experiments per month
COST_PER_RUN = 0.23  # dialog estimate: ~1,000 images, YOLO26n, 100 epochs, RTX PRO 6000 ($2.09/h)
BATCH_ANNOTATION_IMAGES = 3_000  # $1.00 per 1,000 images
HOURS_PER_MONTH = 730

# Custom endpoint sizes keep one warm instance; us-central1 rates are $0.000024/vCPU-s and $0.0000025/GiB-s
warm_endpoint_hourly = (2 * 0.000024 + 4 * 0.0000025) * 3600  # 2 vCPU, 4 GiB

lines = {
    "cloud training": TRAIN_RUNS * COST_PER_RUN,
    "batch annotation": BATCH_ANNOTATION_IMAGES / 1000 * 1.00,
    "default endpoint (1 vCPU, 2 GiB, scales to zero)": 0.0,
    "warm endpoint (2 vCPU, 4 GiB, always on)": warm_endpoint_hourly * HOURS_PER_MONTH,
}
for item, usd in lines.items():
    print(f"{item:<50} ${usd:>7.2f}")
print(f"{'total with a warm endpoint':<50} ${sum(lines.values()):>7.2f}")

cloud training                                     $   1.84
batch annotation                                   $   3.00
default endpoint (1 vCPU, 2 GiB, scales to zero)   $   0.00
warm endpoint (2 vCPU, 4 GiB, always on)           $ 152.42
total with a warm endpoint                         $ 157.26

結果の読み方：

• COST_PER_RUNは、データセットのサイズ、モデル、エポック数、画像サイズ、GPUを考慮したトレーニングダイアログの見積もりです。ご自身のデータセットの見積もりに置き換えてください（レッスン5）。H100 SXMで画像5,000枚、YOLO26s、100エポックの場合、約$1.56です。
• 費用の大半はエンドポイントです。小規模なプロジェクトのトレーニングとラベル付けには数ドルかかりますが、インスタンスを月730時間稼働させ続けると、アイオワでは約$150かかります（料金はリージョンによって異なり、デプロイダイアログに正確な時間単価が表示されます）。
• 判断基準：すべてのエンドポイントは、まず無料のデフォルトサイズで開始してください。ユーザーが最大1分のコールドスタートを許容できず、稼働時間の課金に見合うだけの安定したトラフィックがある場合に限り、カスタムサイズに変更してください。

プラン#

判断基準：学習中はFreeを利用し、クラウドストレージとの連携、チーム、3つを超えるエンドポイント、または3つを超える同時トレーニングが必要になったらProに移行してください。Proの月額$30分のクレジットで、上記予算のトレーニング費とラベル付け費を賄えます。すべての料金は課金ドキュメントをご覧ください。

よくある落とし穴#