AzureML에서의 YOLO26 🚀#

Azure란 무엇인가요?#

Azure는 조직이 온프레미스 데이터 센터에서 클라우드로 워크로드를 이전할 수 있도록 지원하기 위해 설계된 Microsoft의 클라우드 컴퓨팅 플랫폼입니다. 컴퓨팅, 데이터베이스, 분석, 머신 러닝, 네트워킹을 포함한 광범위한 클라우드 서비스를 통해 사용자는 퍼블릭 클라우드에서 이러한 서비스를 선택적으로 활용하여 새로운 애플리케이션을 개발 및 확장하거나 기존 애플리케이션을 실행할 수 있습니다.

Azure Machine Learning(AzureML)이란 무엇인가요?#

Azure Machine Learning(AzureML)은 대규모 머신 러닝 모델을 구축, 학습 및 배포하기 위한 완전 관리형 클라우드 서비스입니다. 이 서비스는 자동화된 머신 러닝, 드래그 앤 드롭 방식의 모델 학습, 그리고 모델을 완벽하게 프로그래밍 방식으로 제어할 수 있는 Python SDK를 제공합니다.

AzureML이 YOLO 사용자에게 제공하는 이점은 무엇입니까?#

AzureML을 사용하면 간단한 프로토타입부터 대규모 실행에 이르기까지 Ultralytics YOLO26 모델을 클라우드에서 학습시키고 배포할 수 있습니다. 이를 통해 다음을 수행할 수 있습니다:

• 학습을 위한 대규모 데이터셋과 컴퓨팅 리소스를 쉽게 관리할 수 있습니다.
• 데이터 전처리, 특징 선택 및 모델 학습을 위한 내장 도구를 활용할 수 있습니다.
• 모델 및 데이터의 모니터링, 감사, 버전 관리를 포함한 MLOps(머신 러닝 운영) 기능을 통해 보다 효율적으로 협업할 수 있습니다.

다음 섹션에서는 컴퓨팅 터미널 또는 노트북을 사용하여 AzureML에서 YOLO26 객체 탐지 모델을 실행하는 방법을 자세히 설명하는 퀵스타트 가이드를 제공합니다.

사전 요구 사항#

시작하기 전에 AzureML 워크스페이스에 액세스할 수 있는지 확인하세요. 워크스페이스가 없는 경우 Azure의 공식 문서를 참고하여 새로운 AzureML 워크스페이스를 생성할 수 있습니다. 이 워크스페이스는 모든 AzureML 리소스를 관리하는 중앙 집중식 공간 역할을 합니다.

컴퓨팅 인스턴스 생성#

AzureML 작업 공간에서 컴퓨팅(Compute) > 컴퓨팅 인스턴스(Compute instances) > 새로 만들기(New)를 선택하고 필요한 리소스를 갖춘 인스턴스를 선택하십시오.

터미널 퀵스타트#

컴퓨팅을 시작하고 터미널을 여십시오:

가상 환경 생성#

conda 가상 환경을 만들고 내부에 pip를 설치하십시오:

conda create --name yolo26env -y python=3.12
conda activate yolo26env
conda install pip -y

필요한 종속성을 설치하십시오:

pip install ultralytics onnx

YOLO26 작업 수행#

예측:

yolo predict model=yolo26n.pt source='https://ultralytics.com/images/bus.jpg'

초기 learning_rate 0.01로 10 에폭 동안 감지 모델을 학습시킵니다:

yolo train data=coco8.yaml model=yolo26n.pt epochs=10 lr0=0.01

Ultralytics CLI 사용 방법에 대한 자세한 안내는 여기에서 확인하실 수 있습니다.

노트북 퀵스타트#

새 IPython 커널 생성#

컴퓨팅 터미널을 여십시오.

컴퓨팅 터미널에서 노트북이 종속성을 관리하는 데 사용할 Python 3.12 기반의 새로운 ipykernel을 만드십시오:

conda create --name yolo26env -y python=3.12
conda activate yolo26env
conda install pip -y
conda install ipykernel -y
python -m ipykernel install --user --name yolo26env --display-name "yolo26env"

터미널을 닫고 새 노트북을 만드십시오. 노트북에서 새로 만든 커널을 선택하십시오.

그런 다음 노트북 셀을 열고 필요한 종속성을 설치하십시오:

%%bash
source activate yolo26env
pip install ultralytics onnx

Ultralytics CLI를 사용하여 일부 예측을 실행합니다:

%%bash
source activate yolo26env
yolo predict model=yolo26n.pt source='https://ultralytics.com/images/bus.jpg'

또는 Ultralytics Python 인터페이스를 사용하여 예를 들어 모델을 학습시킵니다:

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n.pt")  # load an official YOLO26n model

# Use the model
model.train(data="coco8.yaml", epochs=3)  # train the model
metrics = model.val()  # evaluate model performance on the validation set
results = model("https://ultralytics.com/images/bus.jpg")  # predict on an image
path = model.export(format="onnx")  # export the model to ONNX format

Ultralytics CLI 또는 Python 인터페이스 중 하나를 사용하여 YOLO26 작업을 실행할 수 있습니다. 위의 Python 예제는 배포를 위해 학습된 모델을 ONNX로 내보내는 과정도 포함합니다.

이 단계에 따라 AzureML에서 YOLO26을 빠르게 실행할 수 있습니다. 보다 고급 워크플로에 대해서는 AzureML 문서를 참조하세요.

AzureML 더 알아보기#

이 가이드는 AzureML에서 YOLO26을 실행하는 기본 사항을 다룹니다. 더 자세한 내용은 다음 리소스를 탐색하십시오:

• 데이터 자산 생성: AzureML 환경 내에서 데이터 자산을 설정하고 관리합니다.
• AzureML 작업 시작: AzureML에서 머신 러닝 학습 작업을 시작합니다.
• 모델 등록: 모델 등록, 버전 관리 및 배포를 관리합니다.
• Modal 빠른 시작: AzureML의 대안으로 Modal의 서버리스 GPU 클라우드에서 YOLO26을 실행합니다.

FAQ#