Ultralytics HUB 모델
Ultralytics HUB 모델은 사용자 정의 데이터 세트에서 비전 AI 모델을 훈련하기 위한 간소화된 솔루션을 제공합니다.
이 프로세스는 사용자 친화적이고 효율적이며 Ultralytics YOLO11로 구동되는 간단한 3단계 생성 및 가속화된 훈련을 포함합니다. 훈련 중에는 모델 메트릭에 대한 실시간 업데이트를 사용할 수 있으므로 각 단계의 진행 상황을 모니터링할 수 있습니다. 훈련이 완료되면 모델을 미리 보고 실제 애플리케이션에 쉽게 배포할 수 있습니다. 따라서 Ultralytics HUB는 모델 생성, 훈련, 평가 및 배포를 위한 포괄적이면서도 간단한 시스템을 제공합니다.
참고: Ultralytics HUB 학습 및 검증 개요
모델 학습
사이드바에서 Models 버튼을 클릭하여 Models 페이지로 이동한 다음 페이지 오른쪽 상단의 Train Model 버튼을 클릭합니다.
이 작업은 세 가지 간단한 단계로 구성된 모델 훈련 대화 상자를 트리거합니다.
1. 데이터세트
이 단계에서는 모델을 훈련할 데이터 세트를 선택해야 합니다. 데이터 세트를 선택한 후 계속을 클릭합니다.
팁
데이터세트 페이지에서 직접 모델을 훈련하는 경우 이 단계를 건너뛸 수 있습니다.
2. 모델
이 단계에서는 모델을 생성할 프로젝트, 모델 이름 및 모델 아키텍처를 선택해야 합니다.
참고
Ultralytics HUB는 프로젝트를 미리 선택하려고 시도합니다.
위에 설명된 대로 모델 학습 대화 상자를 연 경우, Ultralytics HUB는 마지막으로 사용한 프로젝트를 미리 선택합니다.
프로젝트 페이지에서 모델 학습 대화 상자를 연 경우, Ultralytics HUB는 현재 사용 중인 프로젝트를 미리 선택합니다.
아직 프로젝트를 생성하지 않은 경우, 이 단계에서 프로젝트 이름을 설정하면 모델과 함께 생성됩니다.
정보
사용 가능한 YOLO 모델 및 아키텍처에 대한 자세한 내용은 설명서를 참조하십시오.
기본적으로 모델은 학습 시간을 줄이기 위해 사전 학습된 모델(COCO 데이터 세트에서 학습됨)을 사용합니다. 고급 모델 구성 아코디언을 열어 이 동작을 변경하고 모델 구성을 조정할 수 있습니다.
참고
가장 일반적인 모델 구성 옵션(예: epoch 수)을 쉽게 변경할 수 있을 뿐만 아니라 Custom 옵션을 사용하여 Ultralytics HUB와 관련된 모든 학습 설정에 액세스할 수도 있습니다.
참고: Ultralytics HUB에서 Ultralytics YOLOv8 훈련 파라미터를 구성하는 방법
또는 Custom 탭을 클릭하여 이전에 학습한 모델 중 하나에서 학습을 시작할 수 있습니다.
모델 구성에 만족하면 계속을 클릭합니다.
3. 학습
이 단계에서는 모델 훈련을 시작합니다.
참고
이 단계에서는 모델 훈련 대화 상자를 닫고 나중에 모델 페이지에서 모델 훈련을 시작할 수 있습니다.
Ultralytics HUB는 세 가지 훈련 옵션을 제공합니다.
- Ultralytics Cloud
- Google Colab
- 자체 에이전트 가져오기
a. Ultralytics 클라우드
Ultralytics Cloud에 액세스하려면 Pro Plan으로 업그레이드해야 합니다.
Ultralytics 클라우드 트레이닝 솔루션을 사용하여 모델을 훈련하려면 Ultralytics 클라우드 트레이닝 문서를 참조하십시오.
b. Google Colab
Google Colab을 사용하여 모델 학습을 시작하려면 Ultralytics HUB Train Model 대화 상자 또는 Google Colab 노트북에 표시된 지침을 따르십시오.
훈련이 시작되면 완료를 클릭하고 모델 페이지에서 훈련 진행 상황을 모니터링할 수 있습니다.
참고
학습이 중단되고 체크포인트가 저장된 경우, 모델 페이지에서 모델 학습을 재개할 수 있습니다.
c. 자체 에이전트 사용
참고: Ultralytics HUB를 사용한 자체 에이전트 모델 학습
자체 에이전트를 사용하여 모델 학습을 시작하려면 Ultralytics HUB Train Model 대화 상자에 표시된 지침을 따르십시오.
다음을 설치합니다. ultralytics
패키지 위치: PyPI.
pip install -U ultralytics
다음으로, 제공된 python 코드를 사용하여 모델 학습을 시작합니다.
훈련이 시작되면 완료를 클릭하고 모델 페이지에서 훈련 진행 상황을 모니터링할 수 있습니다.
참고
학습이 중단되고 체크포인트가 저장된 경우, 모델 페이지에서 모델 학습을 재개할 수 있습니다.
모델 분석
모델을 학습시킨 후 모델 메트릭을 분석할 수 있습니다.
학습 탭에는 작업에 따라 신중하게 그룹화된 가장 중요한 지표가 표시됩니다.
모든 모델 메트릭에 액세스하려면 차트 탭을 클릭하십시오.
팁
각 차트는 더 나은 시각화를 위해 확대할 수 있습니다.
또한 데이터를 적절하게 분석하기 위해 확대/축소 기능을 활용할 수 있습니다.
모델 미리보기
모델을 학습시킨 후 미리보기 탭을 클릭하여 미리 볼 수 있습니다.
테스트 카드에서 학습 중에 사용된 데이터 세트에서 미리보기 이미지를 선택하거나 장치에서 이미지를 업로드할 수 있습니다.
참고
카메라를 사용하여 사진을 찍고 직접 추론을 실행할 수도 있습니다.
또한 다운로드하여 iOS 또는 Android 모바일 장치에서 Ultralytics HUB App을 통해 실시간으로 모델을 미리 볼 수 있습니다.
모델 배포
모델을 학습시킨 후 ONNX, OpenVINO, CoreML, TensorFlow, Paddle 등을 포함한 13가지 형식으로 내보낼 수 있습니다.
참고: Ultralytics HUB를 사용하여 Ultralytics YOLO11을 ONNX, OpenVINO 및 기타 형식으로 내보내는 방법 🚀
팁
내보내기 작업 드롭다운을 열고 Advanced 옵션을 클릭하면 각 형식의 내보내기 옵션을 사용자 정의할 수 있습니다.
참고
내보내기 작업 드롭다운을 열고 Advanced 옵션을 클릭하면 각 형식을 다시 내보낼 수 있습니다.
또한 프로덕션 환경에서 Inference API를 사용할 수도 있습니다.
자세한 내용은 Ultralytics Inference API 문서를 참조하세요.
모델 공유
정보
Ultralytics HUB의 공유 기능은 다른 사람과 모델을 공유하는 편리한 방법을 제공합니다. 이 기능은 기존 Ultralytics HUB 사용자와 아직 계정을 만들지 않은 사용자 모두를 수용하도록 설계되었습니다.
참고
모델에 대한 일반 액세스를 제어할 수 있습니다.
일반 액세스를 "Private"으로 설정할 수 있습니다. 이 경우 본인만 액세스할 수 있습니다. 또는 일반 액세스를 "Unlisted"로 설정하여 Ultralytics HUB 계정 유무에 관계없이 모델에 대한 직접 링크가 있는 모든 사람이 보기 권한을 갖도록 할 수 있습니다.
공유하려는 모델의 모델 페이지로 이동하여 모델 작업 드롭다운을 열고 공유 옵션을 클릭합니다. 이 작업은 모델 공유 대화 상자를 트리거합니다.
일반 액세스를 "Unlisted(미등록)"로 설정하고 Save(저장)를 클릭합니다.
이제 모델에 대한 직접 링크가 있는 사람은 누구나 모델을 볼 수 있습니다.
팁
모델 공유 대화 상자에 표시된 모델 링크를 클릭하여 쉽게 복사할 수 있습니다.
모델 편집
편집하려는 모델의 모델 페이지로 이동하여 모델 작업 드롭다운을 열고 편집 옵션을 클릭합니다. 이 작업은 모델 업데이트 대화 상자를 트리거합니다.
모델에 원하는 수정 사항을 적용한 다음 저장을 클릭하여 변경 사항을 확인합니다.
모델 삭제
삭제하려는 모델의 모델 페이지로 이동하여 모델 작업 드롭다운을 열고 삭제 옵션을 클릭합니다. 이 작업은 모델을 삭제합니다.