콘텐츠로 건너뛰기

Ultralytics 모달 빠른 시작 가이드

이 가이드는 Modal에서 Ultralytics 실행하는 방법에 대한 포괄적인 안내를 제공하며, 서버리스 GPU 및 모델 훈련을 다룹니다.

모달이란 무엇인가요?

Modal은 AI 및 머신러닝 워크로드를 위한 서버리스 클라우드 컴퓨팅 플랫폼입니다. 이 플랫폼은 프로비저닝, 스케일링, 실행을 자동으로 처리합니다. 사용자는 로컬에서 Python 작성하면 Modal이 클라우드 환경에서 GPU 이를 실행합니다. 따라서 인프라를 직접 관리할 필요 없이 YOLO26과 같은 딥러닝 모델을 실행하는 데 이상적입니다.

학습 내용

  • 모달 설정 및 인증
  • Modal에서 YOLO26 추론 실행하기
  • GPU를 활용한 더 빠른 추론
  • Modal에서 YOLO26 모델 훈련하기

필수 조건

  • Modal 계정 ( modal.com에서 무료로 가입하세요)
  • 로컬 컴퓨터에 Python .9 이상이 설치되어 있어야 합니다

설치

Modal Python 설치하고 인증을 수행하세요:

pip install modal

modal token new

인증

에 지정되어 있습니다. modal token new 이 명령어를 실행하면 Modal 계정 인증을 위한 브라우저 창이 열립니다. 인증이 완료되면 터미널에서 Modal 명령어를 실행할 수 있습니다.

YOLO26 추론 실행하기

"<파일명>"이라는 이름의 새로운 Python 생성합니다. modal_yolo.py 다음 코드와 함께:

"""
Modal + Ultralytics YOLO26 Quickstart
Run: modal run modal_yolo.py.
"""

import modal

app = modal.App("ultralytics-yolo")

image = modal.Image.debian_slim(python_version="3.11").apt_install("libgl1", "libglib2.0-0").pip_install("ultralytics")


@app.function(image=image)
def predict(image_url: str):
    """Run YOLO26 inference on an image URL."""
    from ultralytics import YOLO

    model = YOLO("yolo26n.pt")
    results = model(image_url)

    for r in results:
        print(f"Detected {len(r.boxes)} objects:")
        for box in r.boxes:
            print(f"  - {model.names[int(box.cls)]}: {float(box.conf):.2f}")


@app.local_entrypoint()
def main():
    """Test inference with sample image."""
    predict.remote("https://ultralytics.com/images/bus.jpg")

추론을 실행합니다:

modal run modal_yolo.py

예상 결과:

✓ Initialized. View run at https://modal.com/apps/your-username/main/ap-xxxxxxxx
✓ Created objects.
├── 🔨 Created mount modal_yolo.py
└── 🔨 Created function predict.
Downloading https://github.com/ultralytics/assets/releases/download/v8.4.0/yolo26n.pt to 'yolo26n.pt'...
Downloading https://ultralytics.com/images/bus.jpg to 'bus.jpg'...
image 1/1 /root/bus.jpg: 640x480 4 persons, 1 bus, 377.8ms
Speed: 5.8ms preprocess, 377.8ms inference, 0.3ms postprocess per image at shape (1, 3, 640, 480)

Detected 5 objects:
  - bus: 0.92
  - person: 0.91
  - person: 0.91
  - person: 0.87
  - person: 0.53
✓ App completed.

모달 대시보드에서 함수 실행 상황을 모니터링할 수 있습니다:

모달 대시보드 함수 호출

GPU 활용한 더 빠른 추론

다음과 같이 지정하여 GPU 추가하세요. gpu parameter:

@app.function(image=image, gpu="T4")  # Options: "T4", "A10G", "A100", "H100"
def predict_gpu(image_url: str):
    """Run YOLO26 inference on GPU."""
    from ultralytics import YOLO

    model = YOLO("yolo26n.pt")
    results = model(image_url)
    print(results[0].boxes)
GPU메모리최적 용도
T416 GB추론, 소규모 모델 훈련
A10G24 GB중급 수준의 교육 관련 직무
A10040 GB대규모 교육
H10080 GB최대 성능

Modal에서 YOLO26 모델 훈련하기

훈련 시에는 GPU Modal을 사용하세요 권수 영구 저장소를 위해. 다음 이름의 새로운 Python 생성합니다. train_yolo.py:

import modal

app = modal.App("ultralytics-training")

volume = modal.Volume.from_name("yolo-training-vol", create_if_missing=True)

image = modal.Image.debian_slim(python_version="3.11").apt_install("libgl1", "libglib2.0-0").pip_install("ultralytics")


@app.function(image=image, gpu="T4", timeout=3600, volumes={"/data": volume})
def train():
    """Train YOLO26 model on Modal."""
    from ultralytics import YOLO

    model = YOLO("yolo26n.pt")
    model.train(data="coco8.yaml", epochs=3, imgsz=640, project="/data/runs")


@app.local_entrypoint()
def main():
    train.remote()

달리기 훈련:

modal run train_yolo.py

볼륨 지속성

모달 볼륨은 함수 실행 간에도 데이터를 유지합니다. 학습된 가중치는 /data/runs/detect/train/weights/.

축하합니다! Modal에 Ultralytics 성공적으로 설정하셨습니다. 더 자세히 알아보려면:

FAQ

YOLO26 워크로드 GPU 적합한 GPU 어떻게 선택해야 할까요?

추론 작업의 경우, 일반적으로 NVIDIA (16GB)로 충분하며 비용 대비 효율이 높습니다. 훈련이나 YOLO26x와 같은 대규모 모델의 경우, A10G 또는 A100 GPU를 고려해 보시기 바랍니다.

Modal에서 YOLO26을 실행하는 데 비용이 얼마나 드나요?

Modal은 초당 과금 방식을 적용합니다. 대략적인 요금은 다음과 같습니다: CPU $0.05/시간, T4 ~$0.59/시간, A10G ~$1.10/시간, A100 ~$2.10/시간. 최신 요금은 Modal 요금 페이지에서 확인하시기 바랍니다.

직접 훈련한 YOLO 사용할 수 있나요?

네! 모달 볼륨에서 사용자 정의 모델을 불러오세요:

model = YOLO("/data/my_custom_model.pt")

사용자 지정 모델 훈련에 대한 자세한 내용은 훈련 가이드를 참조하세요.



📅 0일 전 생성 ✏️ 0일 전 업데이트
raimbekovm

댓글