Roboflow提供了一个自动化机器学习（AutoML）解决方案，使得在数据集上训练最先进的计算机视觉模型变得轻而易举。通过简单的点击操作，可以快速训练出计算机视觉模型。模型训练完成后，可以使用多种部署选项进行推理，包括在网络浏览器和边缘设备如 NVIDIA Jetson 上进行推理。
要训练计算机视觉模型，首先需要生成数据集版本。然后，转到与数据集相关联的“版本”页面。接下来，点击“开始训练”按钮。Roboflow 支持三种训练选项：快速、准确（仅限目标检测）和超大（仅限目标检测）。对于项目的早期版本，建议训练快速模型。随着模型的完善，可以探索准确和超大选项。请注意，准确和超大的训练和推理时间会更长。
在选择了训练选项后，系统会询问是否希望从检查点开始训练。以下标签显示了每种模型类型的配置选项。默认情况下，建议新的目标检测项目从公共检查点开始训练。默认情况下，提供基于在 Microsoft COCO 数据集上训练的模型进行训练。对于分类和语义分割，仅支持从 ImageNet 开始训练。
可以从基于 Universe 上托管的项目（仅限目标检测）的检查点进行训练。要做到这一点，首先需要在 Universe 中对项目进行星标。然后，该项目将作为RoboflowWeb 应用程序中的训练检查点可用。此外，还可以从基于模型的先前版本的检查点进行训练（仅限目标检测、实例分割和关键点检测）。这种方法可以加快训练过程。仅建议在模型表现良好时从先前的检查点进行训练。
从头开始训练意味着不使用迁移学习。这将使用随机的初始值初始化模型权重训练。训练时间将取决于数据集的大小和数据集中图像的大小。将在训练过程完成后通过电子邮件通知。在大多数情况下，这应该在 24 小时以内。
根据工作空间选择的计划，RoboflowTrain 积分将在工作空间中可用。训练一个模型需要一个积分，并且根据数据集的大小，可能需要 1 到 24 小时。如果需要更多的训练积分，可以联系销售团队进行升级。如果是学生或研究人员，并且需要为正在工作的项目申请额外的积分，可以申请额外的积分。