Ultralytics YOLO 모델에 대한 OpenVINO 추론 최적화하기: 종합 가이드

소개

딥 러닝 모델, 특히 Ultralytics YOLO 모델과 같은 객체 감지용 모델을 배포할 때는 최적의 성능을 달성하는 것이 중요합니다. 이 가이드에서는 인텔의 OpenVINO 툴킷을 활용하여 추론을 최적화하는 방법을 지연 시간과 처리량에 초점을 맞춰 자세히 설명합니다. 소비자급 애플리케이션에서 작업하든 대규모 배포에서 작업하든 이러한 최적화 전략을 이해하고 적용하면 다양한 디바이스에서 모델을 효율적으로 실행할 수 있습니다.

지연 시간 최적화

지연 시간 최적화는 소비자 시나리오에서 흔히 볼 수 있는 단일 입력에 대해 단일 모델의 즉각적인 응답이 필요한 애플리케이션에 필수적입니다. 목표는 입력과 추론 결과 사이의 지연을 최소화하는 것입니다. 그러나 짧은 지연 시간을 달성하려면 특히 동시 추론을 실행하거나 여러 모델을 관리할 때 신중한 고려가 필요합니다.

지연 시간 최적화를 위한 주요 전략:

• 디바이스당 단일 추론: 지연 시간을 줄이는 가장 간단한 방법은 디바이스당 한 번에 한 번의 추론으로 제한하는 것입니다. 동시성이 증가하면 지연 시간이 증가하는 경우가 많습니다.
• 하위 장치 활용: 멀티 소켓 CPU 또는 멀티 타일 GPU와 같은 장치는 내부 하위 장치를 활용하여 지연 시간 증가를 최소화하면서 여러 요청을 실행할 수 있습니다.
• OpenVINO 성능 힌트: OpenVINO 의 ov::hint::PerformanceMode::LATENCY 에 대한 ov::hint::performance_mode 속성을 사용하면 모델 컴파일 중 성능 튜닝이 간소화되어 기기에 구애받지 않고 미래에도 사용할 수 있는 접근 방식을 제공합니다.

첫 번째 추론 지연 시간 관리:

• 모델 캐싱: 지연 시간에 영향을 미치는 모델 로드 및 컴파일 시간을 줄이려면 가능한 경우 모델 캐싱을 사용하세요. 캐싱을 사용할 수 없는 시나리오의 경우 일반적으로 CPU가 가장 빠른 모델 로드 시간을 제공합니다.
• 모델 매핑 대 읽기: 로드 시간을 줄이기 위해 OpenVINO 에서 모델 읽기를 매핑으로 대체했습니다. 그러나 모델이 이동식 또는 네트워크 드라이브에 있는 경우 다음을 사용하는 것이 좋습니다. ov::enable_mmap(false) 를 클릭하여 다시 읽기로 전환합니다.
• 자동 장치 선택: 이 모드는 CPU에서 추론을 시작하고 준비가 되면 가속기로 전환하여 첫 번째 추론 대기 시간을 원활하게 줄입니다.

처리량 최적화

처리량 최적화는 수많은 추론 요청을 동시에 처리하는 시나리오에서 매우 중요하며, 개별 요청 성능을 크게 저하시키지 않으면서 리소스 활용도를 극대화합니다.

처리량 최적화를 위한 접근 방식:

1. OpenVINO 성능 힌트: 성능 힌트를 사용하여 여러 디바이스에서 처리량을 향상시키는 높은 수준의 미래 지향적인 방법입니다.

import openvino.properties as props
import openvino.properties.hint as hints

config = {hints.performance_mode: hints.PerformanceMode.THROUGHPUT}
compiled_model = core.compile_model(model, "GPU", config)

1. 명시적 배치 및 스트림: 고급 성능 튜닝을 위한 명시적 일괄 처리 및 스트림 사용과 관련된 보다 세분화된 접근 방식입니다.

처리량 지향 애플리케이션 설계:

처리량을 최대화하려면 애플리케이션은 다음과 같이 해야 합니다:

• 기기의 기능을 최대한 활용하여 입력을 병렬로 처리합니다.
• 데이터 흐름을 병렬 실행을 위해 예약된 동시 추론 요청으로 분해합니다.
• 콜백이 포함된 비동기 API를 활용하여 효율성을 유지하고 디바이스 고갈을 방지하세요.

다중 장치 실행:

OpenVINO의 멀티 디바이스 모드는 애플리케이션 수준의 디바이스 관리 없이도 디바이스 간 추론 요청의 균형을 자동으로 조정하여 처리량 확장을 간소화합니다.

결론

Ultralytics YOLO 모델을 지연 시간 및 처리량에 맞게 최적화하면 OpenVINO 애플리케이션의 성능을 크게 향상시킬 수 있습니다. 이 가이드에 설명된 전략을 신중하게 적용하면 개발자는 모델이 효율적으로 실행되어 다양한 배포 시나리오의 요구 사항을 충족할 수 있습니다. 지연 시간 최적화 또는 처리량 최적화 중 어떤 것을 선택할지는 특정 애플리케이션의 요구 사항과 배포 환경의 특성에 따라 달라진다는 점을 기억하세요.

자세한 기술 정보와 최신 업데이트는 OpenVINO 문서와 Ultralytics YOLO 리포지토리를 참조하세요. 이러한 리소스에서는 딥러닝 모델을 최대한 활용할 수 있도록 심층적인 가이드, 튜토리얼 및 커뮤니티 지원을 제공합니다.

모델이 최적의 성능을 발휘하도록 하려면 단순히 구성을 조정하는 것이 아니라 애플리케이션의 요구 사항을 이해하고 정보에 입각한 결정을 내리는 것이 중요합니다. 실시간 응답을 최적화하든 대규모 처리를 위한 처리량을 극대화하든, Ultralytics YOLO 모델과 OpenVINO 의 조합은 개발자가 고성능 AI 솔루션을 배포할 수 있는 강력한 툴킷을 제공합니다.

댓글