์ฝ˜ํ…์ธ ๋กœ ๊ฑด๋„ˆ๋›ฐ๊ธฐ

์ฃผํ”ผํ„ฐ๋žฉ์„ ์‚ฌ์šฉํ•˜์—ฌ YOLO11 ๋ชจ๋ธ์„ ํ›ˆ๋ จํ•˜๋Š” ๋ฐฉ๋ฒ•์— ๋Œ€ํ•œ ๊ฐ€์ด๋“œ

ํŠนํžˆ ์ž‘์—…ํ•˜๊ธฐ์— ์ ํ•ฉํ•œ ๋„๊ตฌ๋‚˜ ํ™˜๊ฒฝ์ด ์—†๋Š” ๊ฒฝ์šฐ ๋”ฅ๋Ÿฌ๋‹ ๋ชจ๋ธ์„ ๊ตฌ์ถ•ํ•˜๋Š” ๊ฒƒ์€ ์–ด๋ ค์šธ ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค. ์ด๋Ÿฌํ•œ ๋ฌธ์ œ๋ฅผ ๊ฒช๊ณ  ์žˆ๋‹ค๋ฉด JupyterLab์ด ์ ํ•ฉํ•œ ์†”๋ฃจ์…˜์ด ๋  ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค. JupyterLab์€ ์‚ฌ์šฉ์ž ์นœํ™”์ ์ธ ์›น ๊ธฐ๋ฐ˜ ํ”Œ๋žซํผ์œผ๋กœ, ๋ณด๋‹ค ์œ ์—ฐํ•˜๊ณ  ์ธํ„ฐ๋ž™ํ‹ฐ๋ธŒํ•œ ์ฝ”๋”ฉ์„ ๊ฐ€๋Šฅํ•˜๊ฒŒ ํ•ด์ค๋‹ˆ๋‹ค. ์ด ํ”Œ๋žซํผ์„ ์‚ฌ์šฉํ•˜๋ฉด ๋น… ๋ฐ์ดํ„ฐ ์„ธํŠธ๋ฅผ ์ฒ˜๋ฆฌํ•˜๊ณ , ๋ณต์žกํ•œ ๋ชจ๋ธ์„ ๋งŒ๋“ค๊ณ , ๋‹ค๋ฅธ ์‚ฌ๋žŒ๋“ค๊ณผ ํ˜‘์—…ํ•  ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค.

Ultralytics YOLO11 ๋ชจ๋ธ๊ณผ ๊ด€๋ จ๋œ ํ”„๋กœ์ ํŠธ์— JupyterLab์„ ์‚ฌ์šฉํ•  ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค. JupyterLab์€ ํšจ์œจ์ ์ธ ๋ชจ๋ธ ๊ฐœ๋ฐœ๊ณผ ์‹คํ—˜์„ ์œ„ํ•œ ํ›Œ๋ฅญํ•œ ์˜ต์…˜์ž…๋‹ˆ๋‹ค. ์ปดํ“จํ„ฐ์—์„œ ๋ฐ”๋กœ YOLO11 ๋ชจ๋ธ์„ ์‰ฝ๊ฒŒ ์‹คํ—˜ํ•˜๊ณ  ํ›ˆ๋ จํ•  ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค. JupyterLab๊ณผ ์ฃผ์š” ๊ธฐ๋Šฅ, ๊ทธ๋ฆฌ๊ณ  YOLO11 ๋ชจ๋ธ์„ ํ›ˆ๋ จํ•˜๋Š” ๋ฐ ์‚ฌ์šฉํ•˜๋Š” ๋ฐฉ๋ฒ•์— ๋Œ€ํ•ด ์ž์„ธํžˆ ์•Œ์•„๋ณด์„ธ์š”.

์ฃผํ”ผํ„ฐ๋žฉ์ด๋ž€ ๋ฌด์—‡์ธ๊ฐ€์š”?

JupyterLab์€ Jupyter ๋…ธํŠธ๋ถ, ์ฝ”๋“œ, ๋ฐ์ดํ„ฐ ์ž‘์—…์„ ์œ„ํ•ด ์„ค๊ณ„๋œ ์˜คํ”ˆ ์†Œ์Šค ์›น ๊ธฐ๋ฐ˜ ํ”Œ๋žซํผ์ž…๋‹ˆ๋‹ค. ๊ธฐ์กด Jupyter ๋…ธํŠธ๋ถ ์ธํ„ฐํŽ˜์ด์Šค์—์„œ ์—…๊ทธ๋ ˆ์ด๋“œ๋˜์–ด ๋”์šฑ ๋‹ค์–‘ํ•˜๊ณ  ๊ฐ•๋ ฅํ•œ ์‚ฌ์šฉ์ž ๊ฒฝํ—˜์„ ์ œ๊ณตํ•ฉ๋‹ˆ๋‹ค.

์ฃผํ”ผํ„ฐ๋žฉ์„ ์‚ฌ์šฉํ•˜๋ฉด ๋…ธํŠธ๋ถ, ํ…์ŠคํŠธ ํŽธ์ง‘๊ธฐ, ๋‹จ๋ง๊ธฐ, ๊ธฐํƒ€ ๋„๊ตฌ๋ฅผ ํ•œ ๊ณณ์—์„œ ๋ชจ๋‘ ์‚ฌ์šฉํ•  ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค. ์œ ์—ฐํ•œ ๋””์ž์ธ์œผ๋กœ ํ•„์š”์— ๋งž๊ฒŒ ์ž‘์—… ๊ณต๊ฐ„์„ ๊ตฌ์„ฑํ•  ์ˆ˜ ์žˆ๊ณ  ๋ฐ์ดํ„ฐ ๋ถ„์„, ์‹œ๊ฐํ™”, ๋จธ์‹  ๋Ÿฌ๋‹๊ณผ ๊ฐ™์€ ์ž‘์—…์„ ๋” ์‰ฝ๊ฒŒ ์ˆ˜ํ–‰ํ•  ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค. ๋˜ํ•œ ์‹ค์‹œ๊ฐ„ ํ˜‘์—…์„ ์ง€์›ํ•˜๋ฏ€๋กœ ์—ฐ๊ตฌ ๋ฐ ๋ฐ์ดํ„ฐ ๊ณผํ•™ ๋ถ„์•ผ์˜ ํŒ€ ํ”„๋กœ์ ํŠธ์— ์ด์ƒ์ ์ž…๋‹ˆ๋‹ค.

์ฃผํ”ผํ„ฐ๋žฉ์˜ ์ฃผ์š” ๊ธฐ๋Šฅ

๋‹ค์Œ์€ ๋ชจ๋ธ ๊ฐœ๋ฐœ ๋ฐ ์‹คํ—˜์„ ์œ„ํ•œ ํ›Œ๋ฅญํ•œ ์˜ต์…˜์ธ JupyterLab์˜ ์ฃผ์š” ๊ธฐ๋Šฅ ์ค‘ ์ผ๋ถ€์ž…๋‹ˆ๋‹ค:

  • ์˜ฌ์ธ์› ์ž‘์—… ๊ณต๊ฐ„: JupyterLab์€ ๋ฐ์ดํ„ฐ ๊ณผํ•™์— ํ•„์š”ํ•œ ๋ชจ๋“  ๊ฒƒ์„ ์›์Šคํ†ฑ์œผ๋กœ ์ œ๊ณตํ•ฉ๋‹ˆ๋‹ค. ํ…์ŠคํŠธ ํŽธ์ง‘, ํ„ฐ๋ฏธ๋„ ์•ก์„ธ์Šค, ๋…ธํŠธ๋ถ์„ ์œ„ํ•œ ๋ณ„๋„์˜ ์ธํ„ฐํŽ˜์ด์Šค๊ฐ€ ์žˆ๋˜ ๊ธฐ์กด Jupyter Notebook๊ณผ ๋‹ฌ๋ฆฌ, JupyterLab์€ ์ด๋Ÿฌํ•œ ๋ชจ๋“  ๊ธฐ๋Šฅ์„ ํ•˜๋‚˜์˜ ์ผ๊ด€๋œ ํ™˜๊ฒฝ์œผ๋กœ ํ†ตํ•ฉํ•ฉ๋‹ˆ๋‹ค. JPEG, PDF, CSV ๋“ฑ ๋‹ค์–‘ํ•œ ํŒŒ์ผ ํ˜•์‹์„ JupyterLab ๋‚ด์—์„œ ๋ฐ”๋กœ ๋ณด๊ณ  ํŽธ์ง‘ํ•  ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค. ์˜ฌ์ธ์› ์ž‘์—… ๊ณต๊ฐ„์„ ํ†ตํ•ด ํ•„์š”ํ•œ ๋ชจ๋“  ๊ธฐ๋Šฅ์— ๊ฐ„ํŽธํ•˜๊ฒŒ ์•ก์„ธ์Šคํ•  ์ˆ˜ ์žˆ์–ด ์›Œํฌํ”Œ๋กœ์šฐ๊ฐ€ ๊ฐ„์†Œํ™”๋˜๊ณ  ์‹œ๊ฐ„์ด ์ ˆ์•ฝ๋ฉ๋‹ˆ๋‹ค.
  • ์œ ์—ฐํ•œ ๋ ˆ์ด์•„์›ƒ: ์ฃผํ”ผํ„ฐ๋žฉ์˜ ๋›ฐ์–ด๋‚œ ๊ธฐ๋Šฅ ์ค‘ ํ•˜๋‚˜๋Š” ์œ ์—ฐํ•œ ๋ ˆ์ด์•„์›ƒ์ž…๋‹ˆ๋‹ค. ํƒญ์„ ๋“œ๋ž˜๊ทธ ์•ค ๋“œ๋กญํ•˜๊ณ  ํฌ๊ธฐ๋ฅผ ์กฐ์ •ํ•˜์—ฌ ๋ณด๋‹ค ํšจ์œจ์ ์œผ๋กœ ์ž‘์—…ํ•  ์ˆ˜ ์žˆ๋Š” ๊ฐœ์ธํ™”๋œ ๋ ˆ์ด์•„์›ƒ์„ ๋งŒ๋“ค ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค. ์ ‘์„ ์ˆ˜ ์žˆ๋Š” ์™ผ์ชฝ ์‚ฌ์ด๋“œ๋ฐ”๋Š” ํŒŒ์ผ ๋ธŒ๋ผ์šฐ์ €, ์‹คํ–‰ ์ค‘์ธ ์ปค๋„, ๋ช…๋ น ํŒ”๋ ˆํŠธ์™€ ๊ฐ™์€ ํ•„์ˆ˜ ํƒญ์„ ์†์ด ๋‹ฟ๋Š” ๊ณณ์— ๋ณด๊ด€ํ•ฉ๋‹ˆ๋‹ค. ํ•œ ๋ฒˆ์— ์—ฌ๋Ÿฌ ๊ฐœ์˜ ์ฐฝ์„ ์—ด์–ด ๋ฉ€ํ‹ฐํƒœ์Šคํ‚น์„ ํ•˜๊ณ  ํ”„๋กœ์ ํŠธ๋ฅผ ๋” ํšจ๊ณผ์ ์œผ๋กœ ๊ด€๋ฆฌํ•  ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค.
  • ๋Œ€ํ™”ํ˜• ์ฝ”๋“œ ์ฝ˜์†”: JupyterLab์˜ ์ฝ”๋“œ ์ฝ˜์†”์€ ์ฝ”๋“œ๋‚˜ ํ•จ์ˆ˜ ์Šค๋‹ˆํŽซ์„ ํ…Œ์ŠคํŠธํ•ด ๋ณผ ์ˆ˜ ์žˆ๋Š” ๋Œ€ํ™”ํ˜• ๊ณต๊ฐ„์„ ์ œ๊ณตํ•ฉ๋‹ˆ๋‹ค. ๋˜ํ•œ ๋…ธํŠธ๋ถ ๋‚ด์—์„œ ์ˆ˜ํ–‰ํ•œ ๊ณ„์‚ฐ์˜ ๋กœ๊ทธ ์—ญํ• ๋„ ํ•ฉ๋‹ˆ๋‹ค. ๋…ธํŠธ๋ถ์— ์ƒˆ ์ฝ˜์†”์„ ๋งŒ๋“ค๊ณ  ๋ชจ๋“  ์ปค๋„ ํ™œ๋™์„ ๋ณด๋Š” ๊ฒƒ์€ ๊ฐ„๋‹จํ•ฉ๋‹ˆ๋‹ค. ์ด ๊ธฐ๋Šฅ์€ ์ƒˆ๋กœ์šด ์•„์ด๋””์–ด๋ฅผ ์‹คํ—˜ํ•˜๊ฑฐ๋‚˜ ์ฝ”๋“œ์˜ ๋ฌธ์ œ๋ฅผ ํ•ด๊ฒฐํ•  ๋•Œ ํŠนํžˆ ์œ ์šฉํ•ฉ๋‹ˆ๋‹ค.
  • Markdown ๋ฏธ๋ฆฌ๋ณด๊ธฐ: Markdown ํŒŒ์ผ ์ž‘์—…์€ ๋™์‹œ ๋ฏธ๋ฆฌ๋ณด๊ธฐ ๊ธฐ๋Šฅ ๋•๋ถ„์— JupyterLab์—์„œ ๋” ํšจ์œจ์ ์œผ๋กœ ์ž‘์—…ํ•  ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค. Markdown ํŒŒ์ผ์„ ์ž‘์„ฑํ•˜๊ฑฐ๋‚˜ ํŽธ์ง‘ํ•  ๋•Œ ํ˜•์‹์ด ์ง€์ •๋œ ๊ฒฐ๊ณผ๋ฌผ์„ ์‹ค์‹œ๊ฐ„์œผ๋กœ ํ™•์ธํ•  ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค. ๋ฌธ์„œ๊ฐ€ ์™„๋ฒฝํ•˜๊ฒŒ ๋ณด์ด๋Š”์ง€ ๋‹ค์‹œ ํ•œ ๋ฒˆ ๋” ์‰ฝ๊ฒŒ ํ™•์ธํ•  ์ˆ˜ ์žˆ์–ด ํŽธ์ง‘ ๋ชจ๋“œ์™€ ๋ฏธ๋ฆฌ๋ณด๊ธฐ ๋ชจ๋“œ ์‚ฌ์ด๋ฅผ ์™”๋‹ค ๊ฐ”๋‹ค ํ•  ํ•„์š”๊ฐ€ ์—†์Šต๋‹ˆ๋‹ค.
  • ํ…์ŠคํŠธ ํŒŒ์ผ์—์„œ ์ฝ”๋“œ ์‹คํ–‰: ์ฝ”๋“œ๊ฐ€ ํฌํ•จ๋œ ํ…์ŠคํŠธ ํŒŒ์ผ์„ ๊ณต์œ ํ•˜๋Š” ๊ฒฝ์šฐ, JupyterLab์„ ์‚ฌ์šฉํ•˜๋ฉด ํ”Œ๋žซํผ ๋‚ด์—์„œ ๋ฐ”๋กœ ์‹คํ–‰ํ•  ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค. ์ฝ”๋“œ๋ฅผ ๊ฐ•์กฐ ํ‘œ์‹œํ•˜๊ณ  Shift + Enter๋ฅผ ๋ˆŒ๋Ÿฌ ์‹คํ–‰ํ•  ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค. ์ฝ”๋“œ ์Šค๋‹ˆํŽซ์„ ๋น ๋ฅด๊ฒŒ ๊ฒ€์ฆํ•˜๋Š” ๋ฐ ์œ ์šฉํ•˜๋ฉฐ ๊ณต์œ ํ•œ ์ฝ”๋“œ๊ฐ€ ์ œ๋Œ€๋กœ ์ž‘๋™ํ•˜๊ณ  ์˜ค๋ฅ˜๊ฐ€ ์—†๋Š”์ง€ ํ™•์ธํ•˜๋Š” ๋ฐ ๋„์›€์ด ๋ฉ๋‹ˆ๋‹ค.

YOLO11 ํ”„๋กœ์ ํŠธ์— ์ฃผํ”ผํ„ฐ๋žฉ์„ ์‚ฌ์šฉํ•ด์•ผ ํ•˜๋Š” ์ด์œ ๋Š” ๋ฌด์—‡์ธ๊ฐ€์š”?

๋จธ์‹ ๋Ÿฌ๋‹ ๋ชจ๋ธ์„ ๊ฐœ๋ฐœํ•˜๊ณ  ํ‰๊ฐ€ํ•  ์ˆ˜ ์žˆ๋Š” ํ”Œ๋žซํผ์€ ์—ฌ๋Ÿฌ ๊ฐ€์ง€๊ฐ€ ์žˆ๋Š”๋ฐ, JupyterLab์ด ๋‹๋ณด์ด๋Š” ์ด์œ ๋Š” ๋ฌด์—‡์ผ๊นŒ์š”? ๋จธ์‹  ๋Ÿฌ๋‹ ํ”„๋กœ์ ํŠธ๋ฅผ ์œ„ํ•ด JupyterLab์ด ์ œ๊ณตํ•˜๋Š” ๋ช‡ ๊ฐ€์ง€ ๋…ํŠนํ•œ ์ธก๋ฉด์„ ์‚ดํŽด๋ณด์„ธ์š”:

  • ๊ฐ„ํŽธํ•œ ์…€ ๊ด€๋ฆฌ: ์ฃผํ”ผํ„ฐ๋žฉ์—์„œ ์…€์„ ๊ด€๋ฆฌํ•˜๋Š” ๊ฒƒ์€ ๋งค์šฐ ์‰ฝ์Šต๋‹ˆ๋‹ค. ๋ฒˆ๊ฑฐ๋กœ์šด ์ž˜๋ผ๋‚ด๊ธฐ ๋ฐ ๋ถ™์—ฌ๋„ฃ๊ธฐ ๋ฐฉ์‹ ๋Œ€์‹  ์…€์„ ๋Œ์–ด๋‹ค ๋†“๊ธฐ๋งŒ ํ•˜๋ฉด ์…€์„ ์žฌ๋ฐฐ์น˜ํ•  ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค.
  • ๋…ธํŠธ๋ถ ๊ฐ„ ์…€ ๋ณต์‚ฌ: JupyterLab์„ ์‚ฌ์šฉํ•˜๋ฉด ๋‹ค๋ฅธ ๋…ธํŠธ๋ถ ๊ฐ„์— ์…€์„ ๊ฐ„ํŽธํ•˜๊ฒŒ ๋ณต์‚ฌํ•  ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค. ํ•œ ๋…ธํŠธ๋ถ์—์„œ ๋‹ค๋ฅธ ๋…ธํŠธ๋ถ์œผ๋กœ ์…€์„ ๋Œ์–ด๋‹ค ๋†“์„ ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค.
  • ํด๋ž˜์‹ ๋…ธํŠธ๋ถ ๋ณด๊ธฐ๋กœ ๊ฐ„ํŽธํ•˜๊ฒŒ ์ „ํ™˜: ํด๋ž˜์‹ Jupyter ๋…ธํŠธ๋ถ ์ธํ„ฐํŽ˜์ด์Šค๋ฅผ ๊ทธ๋ฆฌ์›Œํ•˜๋Š” ๋ถ„๋“ค์„ ์œ„ํ•ด JupyterLab์€ ๊ฐ„ํŽธํ•˜๊ฒŒ ๋‹ค์‹œ ์ „ํ™˜ํ•  ์ˆ˜ ์žˆ๋Š” ๊ธฐ๋Šฅ์„ ์ œ๊ณตํ•ฉ๋‹ˆ๋‹ค. ๊ฐ„๋‹จํžˆ ๊ต์ฒดํ•˜์„ธ์š”. /lab ๋ฅผ URL์— /tree ์„ ํด๋ฆญํ•ด ์ต์ˆ™ํ•œ ๋…ธํŠธ๋ถ ๋ณด๊ธฐ๋กœ ๋Œ์•„๊ฐ‘๋‹ˆ๋‹ค.
  • ๋‹ค์ค‘ ๋ณด๊ธฐ: JupyterLab์€ ๋™์ผํ•œ ๋…ธํŠธ๋ถ์˜ ์—ฌ๋Ÿฌ ๋ณด๊ธฐ๋ฅผ ์ง€์›ํ•˜๋ฏ€๋กœ, ํŠนํžˆ ๊ธด ๋…ธํŠธ๋ถ์— ์œ ์šฉํ•ฉ๋‹ˆ๋‹ค. ์„œ๋กœ ๋‹ค๋ฅธ ์„น์…˜์„ ๋‚˜๋ž€ํžˆ ์—ด์–ด ๋น„๊ตํ•˜๊ฑฐ๋‚˜ ํƒ์ƒ‰ํ•  ์ˆ˜ ์žˆ์œผ๋ฉฐ, ํ•œ ๋ณด๊ธฐ์—์„œ ๋ณ€๊ฒฝํ•œ ๋‚ด์šฉ์€ ๋‹ค๋ฅธ ๋ณด๊ธฐ์—๋„ ๋ฐ˜์˜๋ฉ๋‹ˆ๋‹ค.
  • ์‚ฌ์šฉ์ž ์ง€์ • ๊ฐ€๋Šฅํ•œ ํ…Œ๋งˆ: ์ฃผํ”ผํ„ฐ๋žฉ์—๋Š” ๋…ธํŠธ๋ถ์— ๋‚ด์žฅ๋œ ๋‹คํฌ ํ…Œ๋งˆ๊ฐ€ ํฌํ•จ๋˜์–ด ์žˆ์–ด ๋Šฆ์€ ๋ฐค ์ฝ”๋”ฉ ์„ธ์…˜์— ์ ํ•ฉํ•ฉ๋‹ˆ๋‹ค. ํ…์ŠคํŠธ ํŽธ์ง‘๊ธฐ์™€ ํ„ฐ๋ฏธ๋„์— ์‚ฌ์šฉํ•  ์ˆ˜ ์žˆ๋Š” ํ…Œ๋งˆ๋„ ์žˆ์–ด ์ „์ฒด ์ž‘์—… ๊ณต๊ฐ„์˜ ๋ชจ์–‘์„ ์‚ฌ์šฉ์ž ์ง€์ •ํ•  ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค.

์ฃผํ”ผํ„ฐ๋žฉ ์ž‘์—… ์‹œ ๋ฐœ์ƒํ•˜๋Š” ์ผ๋ฐ˜์ ์ธ ๋ฌธ์ œ

Kaggle๋กœ ์ž‘์—…ํ•  ๋•Œ ๋ช‡ ๊ฐ€์ง€ ์ผ๋ฐ˜์ ์ธ ๋ฌธ์ œ์— ์ง๋ฉดํ•  ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค. ๋‹ค์Œ์€ ํ”Œ๋žซํผ์„ ์›ํ™œํ•˜๊ฒŒ ํƒ์ƒ‰ํ•˜๋Š” ๋ฐ ๋„์›€์ด ๋˜๋Š” ๋ช‡ ๊ฐ€์ง€ ํŒ์ž…๋‹ˆ๋‹ค:

  • ์ปค๋„ ๊ด€๋ฆฌํ•˜๊ธฐ: ์ปค๋„์€ JupyterLab์—์„œ ์ž‘์„ฑํ•œ ์ฝ”๋“œ์™€ ์ฝ”๋“œ๊ฐ€ ์‹คํ–‰๋˜๋Š” ํ™˜๊ฒฝ ์‚ฌ์ด์˜ ์—ฐ๊ฒฐ์„ ๊ด€๋ฆฌํ•˜๊ธฐ ๋•Œ๋ฌธ์— ๋งค์šฐ ์ค‘์š”ํ•ฉ๋‹ˆ๋‹ค. ๋˜ํ•œ ๋…ธํŠธ๋ถ ๊ฐ„์— ๋ฐ์ดํ„ฐ๋ฅผ ์•ก์„ธ์Šคํ•˜๊ณ  ๊ณต์œ ํ•  ์ˆ˜๋„ ์žˆ์Šต๋‹ˆ๋‹ค. ๋‹ค๋ฅธ ๋…ธํŠธ๋ถ์—์„œ ์ปค๋„์„ ์‚ฌ์šฉํ•˜๊ณ  ์žˆ์„ ์ˆ˜ ์žˆ๊ธฐ ๋•Œ๋ฌธ์— Jupyter ๋…ธํŠธ๋ถ์„ ๋‹ซ์•„๋„ ์ปค๋„์€ ๊ณ„์† ์‹คํ–‰ ์ค‘์ผ ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค. ์ปค๋„์„ ์™„์ „ํžˆ ์ข…๋ฃŒํ•˜๋ ค๋ฉด ์ปค๋„์„ ์„ ํƒํ•˜๊ณ  ๋งˆ์šฐ์Šค ์˜ค๋ฅธ์ชฝ ๋ฒ„ํŠผ์„ ํด๋ฆญํ•œ ๋‹ค์Œ ํŒ์—… ๋ฉ”๋‰ด์—์„œ "์ปค๋„ ์ข…๋ฃŒ"๋ฅผ ์„ ํƒํ•˜๋ฉด ๋ฉ๋‹ˆ๋‹ค.
  • Python ํŒจํ‚ค์ง€ ์„ค์น˜: ์„œ๋ฒ„์— ์‚ฌ์ „ ์„ค์น˜๋˜์ง€ ์•Š์€ Python ํŒจํ‚ค์ง€๊ฐ€ ์ถ”๊ฐ€๋กœ ํ•„์š”ํ•œ ๊ฒฝ์šฐ๊ฐ€ ์žˆ์Šต๋‹ˆ๋‹ค. ๋‹ค์Œ ๋ช…๋ น์„ ์‚ฌ์šฉํ•˜์—ฌ ํ™ˆ ๋””๋ ‰ํ† ๋ฆฌ ๋˜๋Š” ๊ฐ€์ƒ ํ™˜๊ฒฝ์— ์ด๋Ÿฌํ•œ ํŒจํ‚ค์ง€๋ฅผ ์‰ฝ๊ฒŒ ์„ค์น˜ํ•  ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค. python -m pip install package-name. ์„ค์น˜๋œ ๋ชจ๋“  ํŒจํ‚ค์ง€๋ฅผ ๋ณด๋ ค๋ฉด python -m pip list.
  • ํฌ์ง€ํŠธ ์ปค๋„ฅํŠธ์— ํ”Œ๋ผ์Šคํฌ/FastAPI API ๋ฐฐํฌํ•˜๊ธฐ: ํ„ฐ๋ฏธ๋„์—์„œ rsconnect-python ํŒจํ‚ค์ง€๋ฅผ ์‚ฌ์šฉํ•˜์—ฌ Flask ๋ฐ FastAPI API๋ฅผ Posit Connect์— ๋ฐฐํฌํ•  ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค. ์ด๋ ‡๊ฒŒ ํ•˜๋ฉด ์›น ์• ํ”Œ๋ฆฌ์ผ€์ด์…˜์„ JupyterLab๊ณผ ๋” ์‰ฝ๊ฒŒ ํ†ตํ•ฉํ•˜๊ณ  ๋‹ค๋ฅธ ์‚ฌ๋žŒ๋“ค๊ณผ ๊ณต์œ ํ•  ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค.
  • ์ฃผํ”ผํ„ฐ๋žฉ ํ™•์žฅ ํ”„๋กœ๊ทธ๋žจ ์„ค์น˜ํ•˜๊ธฐ: ์ฃผํ”ผํ„ฐ๋žฉ์€ ๊ธฐ๋Šฅ ํ–ฅ์ƒ์„ ์œ„ํ•ด ๋‹ค์–‘ํ•œ ํ™•์žฅ ๊ธฐ๋Šฅ์„ ์ง€์›ํ•ฉ๋‹ˆ๋‹ค. ํ•„์š”์— ๋”ฐ๋ผ ์ด๋Ÿฌํ•œ ํ™•์žฅ ๊ธฐ๋Šฅ์„ ์„ค์น˜ํ•˜๊ณ  ์‚ฌ์šฉ์ž ์ง€์ •ํ•  ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค. ์ž์„ธํ•œ ์ง€์นจ์€ JupyterLab ํ™•์žฅ ํ”„๋กœ๊ทธ๋žจ ๊ฐ€์ด๋“œ๋ฅผ ์ฐธ์กฐํ•˜์„ธ์š”.
  • Python ์˜ ์—ฌ๋Ÿฌ ๋ฒ„์ „ ์‚ฌ์šฉํ•˜๊ธฐ: Python ์˜ ๋‹ค๋ฅธ ๋ฒ„์ „์œผ๋กœ ์ž‘์—…ํ•ด์•ผ ํ•˜๋Š” ๊ฒฝ์šฐ ๋‹ค๋ฅธ Python ๋ฒ„์ „์œผ๋กœ ๊ตฌ์„ฑ๋œ Jupyter ์ปค๋„์„ ์‚ฌ์šฉํ•  ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค.

์ฃผํ”ผํ„ฐ๋žฉ์„ ์‚ฌ์šฉํ•ด ๋ณด๋Š” ๋ฐฉ๋ฒ• YOLO11

์ฃผํ”ผํ„ฐ๋žฉ์„ ์‚ฌ์šฉํ•˜๋ฉด YOLO11 ์„ ์‰ฝ๊ฒŒ ์‹คํ—˜ํ•  ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค. ์‹œ์ž‘ํ•˜๋ ค๋ฉด ๋‹ค์Œ์˜ ๊ฐ„๋‹จํ•œ ๋‹จ๊ณ„๋ฅผ ๋”ฐ๋ฅด์„ธ์š”.

1๋‹จ๊ณ„: ์ฃผํ”ผํ„ฐ๋žฉ ์„ค์น˜ํ•˜๊ธฐ

๋จผ์ € JupyterLab์„ ์„ค์น˜ํ•ด์•ผ ํ•ฉ๋‹ˆ๋‹ค. ํ„ฐ๋ฏธ๋„์„ ์—ด๊ณ  ๋ช…๋ น์„ ์‹คํ–‰ํ•ฉ๋‹ˆ๋‹ค:

์„ค์น˜

# Install the required package for JupyterLab
pip install jupyterlab

2๋‹จ๊ณ„: YOLO11 ํŠœํ† ๋ฆฌ์–ผ ๋…ธํŠธ๋ถ ๋‹ค์šด๋กœ๋“œ

๊ทธ๋Ÿฐ ๋‹ค์Œ Ultralytics GitHub ๋ฆฌํฌ์ง€ํ† ๋ฆฌ์—์„œ tutorial.ipynb ํŒŒ์ผ์„ ๋‹ค์šด๋กœ๋“œํ•ฉ๋‹ˆ๋‹ค. ์ด ํŒŒ์ผ์„ ๋กœ์ปฌ ์ปดํ“จํ„ฐ์˜ ์•„๋ฌด ๋””๋ ‰ํ„ฐ๋ฆฌ์—๋‚˜ ์ €์žฅํ•ฉ๋‹ˆ๋‹ค.

3๋‹จ๊ณ„: JupyterLab ์‹œ์ž‘ํ•˜๊ธฐ

ํ„ฐ๋ฏธ๋„์„ ์‚ฌ์šฉํ•ด ๋…ธํŠธ๋ถ ํŒŒ์ผ์„ ์ €์žฅํ•œ ๋””๋ ‰ํ† ๋ฆฌ๋กœ ์ด๋™ํ•ฉ๋‹ˆ๋‹ค. ๊ทธ๋Ÿฐ ๋‹ค์Œ ๋‹ค์Œ ๋ช…๋ น์„ ์‹คํ–‰ํ•˜์—ฌ JupyterLab์„ ์‹œ์ž‘ํ•ฉ๋‹ˆ๋‹ค:

์‚ฌ์šฉ๋ฒ•

jupyter lab

์ด ๋ช…๋ น์„ ์‹คํ–‰ํ•˜๋ฉด ์•„๋ž˜์™€ ๊ฐ™์ด ๊ธฐ๋ณธ ์›น ๋ธŒ๋ผ์šฐ์ €์—์„œ JupyterLab์ด ์—ด๋ฆฝ๋‹ˆ๋‹ค.

๋ธŒ๋ผ์šฐ์ €์—์„œ ์ฃผํ”ผํ„ฐ๋žฉ์ด ์—ด๋ฆฌ๋Š” ๋ชจ์Šต์„ ๋ณด์—ฌ์ฃผ๋Š” ์ด๋ฏธ์ง€

4๋‹จ๊ณ„: ์‹คํ—˜ ์‹œ์ž‘

JupyterLab์—์„œ tutorial.ipynb ๋…ธํŠธ๋ถ์„ ์—ฝ๋‹ˆ๋‹ค. ์ด์ œ ์…€์„ ์‹คํ–‰ํ•˜์—ฌ YOLO11 ์„ ํƒ์ƒ‰ํ•˜๊ณ  ์‹คํ—˜ํ•  ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค.

JupyterLab์—์„œ ์—ด๋ฆฐ YOLO11 ๋…ธํŠธ๋ถ ์ด๋ฏธ์ง€ ํ‘œ์‹œ

์ฃผํ”ผํ„ฐ๋žฉ์˜ ๋Œ€ํ™”ํ˜• ํ™˜๊ฒฝ์—์„œ๋Š” ์ฝ”๋“œ๋ฅผ ์ˆ˜์ •ํ•˜๊ณ , ์ถœ๋ ฅ์„ ์‹œ๊ฐํ™”ํ•˜๊ณ , ๊ฒฐ๊ณผ๋ฅผ ๋ฌธ์„œํ™”ํ•  ์ˆ˜ ์žˆ๋Š” ๋ชจ๋“  ๊ธฐ๋Šฅ์„ ํ•œ๊ณณ์—์„œ ์ด์šฉํ•  ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค. ๋‹ค์–‘ํ•œ ๊ตฌ์„ฑ์„ ์‹œ๋„ํ•ด๋ณด๊ณ  YOLO11 ์ž‘๋™ ๋ฐฉ์‹์„ ์ดํ•ดํ•  ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค.

๋ชจ๋ธ ํŠธ๋ ˆ์ด๋‹ ํ”„๋กœ์„ธ์Šค ๋ฐ ๋ชจ๋ฒ” ์‚ฌ๋ก€์— ๋Œ€ํ•œ ์ž์„ธํ•œ ๋‚ด์šฉ์€ ๋ชจ๋ธ ํŠธ๋ ˆ์ด๋‹ ๊ฐ€์ด๋“œ(YOLO11 )๋ฅผ ์ฐธ์กฐํ•˜์„ธ์š”. ์ด ๊ฐ€์ด๋“œ๋Š” ์‹คํ—˜์„ ์ตœ๋Œ€ํ•œ ํ™œ์šฉํ•˜๊ณ  YOLO11 ์„ ํšจ๊ณผ์ ์œผ๋กœ ์‚ฌ์šฉํ•˜๋Š” ๋ฐ ๋„์›€์ด ๋  ๊ฒƒ์ž…๋‹ˆ๋‹ค.

์ฃผํ”ผํ„ฐ๋žฉ์— ๋Œ€ํ•ด ๊ณ„์† ์•Œ์•„๋ณด๊ธฐ

์ฃผํ”ผํ„ฐ๋žฉ์— ๋Œ€ํ•ด ์ž์„ธํžˆ ์•Œ์•„๋ณด๊ณ  ์‹ถ์œผ์‹œ๋‹ค๋ฉด ์‹œ์ž‘์— ๋„์›€์ด ๋˜๋Š” ๋ช‡ ๊ฐ€์ง€ ํ›Œ๋ฅญํ•œ ๋ฆฌ์†Œ์Šค๋ฅผ ํ™•์ธํ•ด๋ณด์„ธ์š”:

  • ์ฃผํ”ผํ„ฐ๋žฉ ๋ฌธ์„œ: ์ฃผํ”ผํ„ฐ๋žฉ ๊ณต์‹ ๋ฌธ์„œ๋ฅผ ํ†ตํ•ด ์ฃผํ”ผํ„ฐ๋žฉ์˜ ํŠน์ง•๊ณผ ๊ธฐ๋Šฅ์„ ์‚ดํŽด๋ณด์„ธ์š”. ์ด ๊ฐ•๋ ฅํ•œ ๋„๊ตฌ๋ฅผ ์ตœ๋Œ€ํ•œ ํ™œ์šฉํ•˜๋Š” ๋ฐฉ๋ฒ•์„ ์ดํ•ดํ•  ์ˆ˜ ์žˆ๋Š” ์ข‹์€ ๋ฐฉ๋ฒ•์ž…๋‹ˆ๋‹ค.
  • ๋ฐ”์ธ๋”๋กœ ์‚ฌ์šฉํ•ด ๋ณด๊ธฐ: ๋ธŒ๋ผ์šฐ์ €์—์„œ ๋ฐ”๋กœ ๋ผ์ด๋ธŒ JupyterLab ์ธ์Šคํ„ด์Šค๋ฅผ ์‹คํ–‰ํ•  ์ˆ˜ ์žˆ๋Š” Binder๋ฅผ ์‚ฌ์šฉํ•˜์—ฌ ์•„๋ฌด๊ฒƒ๋„ ์„ค์น˜ํ•˜์ง€ ์•Š๊ณ ๋„ JupyterLab์„ ์‹คํ—˜ํ•ด ๋ณด์„ธ์š”. ์ฆ‰์‹œ ์‹คํ—˜์„ ์‹œ์ž‘ํ•  ์ˆ˜ ์žˆ๋Š” ์ข‹์€ ๋ฐฉ๋ฒ•์ž…๋‹ˆ๋‹ค.
  • ์„ค์น˜ ๊ฐ€์ด๋“œ: ๋กœ์ปฌ ์ปดํ“จํ„ฐ์— ์ฃผํ”ผํ„ฐ๋žฉ์„ ์„ค์น˜ํ•˜๋Š” ๋ฐฉ๋ฒ•์— ๋Œ€ํ•œ ๋‹จ๊ณ„๋ณ„ ๊ฐ€์ด๋“œ๋Š” ์„ค์น˜ ๊ฐ€์ด๋“œ๋ฅผ ์ฐธ์กฐํ•˜์„ธ์š”.

์š”์•ฝ

Ultralytics YOLO11 ๋ชจ๋ธ์„ ์‹คํ—˜ํ•˜๊ธฐ ์œ„ํ•œ ๊ฐ•๋ ฅํ•œ ๋„๊ตฌ๋กœ JupyterLab์ด ์–ด๋–ป๊ฒŒ ํ™œ์šฉ๋  ์ˆ˜ ์žˆ๋Š”์ง€ ์‚ดํŽด๋ดค์Šต๋‹ˆ๋‹ค. ์œ ์—ฐํ•˜๊ณ  ์ธํ„ฐ๋ž™ํ‹ฐ๋ธŒํ•œ ํ™˜๊ฒฝ์„ ์‚ฌ์šฉํ•˜์—ฌ ๋กœ์ปฌ ๋จธ์‹ ์— JupyterLab์„ ์‰ฝ๊ฒŒ ์„ค์ •ํ•˜๊ณ  YOLO11 ๋กœ ์ž‘์—…์„ ์‹œ์ž‘ํ•  ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค. JupyterLab์„ ์‚ฌ์šฉํ•˜๋ฉด ๋ชจ๋ธ์„ ํ›ˆ๋ จ ๋ฐ ํ‰๊ฐ€ํ•˜๊ณ , ๊ฒฐ๊ณผ๋ฅผ ์‹œ๊ฐํ™”ํ•˜๋ฉฐ, ๊ฒฐ๊ณผ๋ฅผ ํ•œ ๊ณณ์—์„œ ๋ชจ๋‘ ๋ฌธ์„œํ™”ํ•  ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค.

์ž์„ธํ•œ ๋‚ด์šฉ์€ ์ฃผํ”ผํ„ฐ๋žฉ FAQ ํŽ˜์ด์ง€์—์„œ ํ™•์ธํ•˜์„ธ์š”.

๋” ๋งŽ์€ YOLO11 ํ†ตํ•ฉ์— ๊ด€์‹ฌ์ด ์žˆ์œผ์‹ ๊ฐ€์š”? Ultralytics ํ†ตํ•ฉ ๊ฐ€์ด๋“œ๋ฅผ ํ™•์ธํ•˜์—ฌ ๋จธ์‹  ๋Ÿฌ๋‹ ํ”„๋กœ์ ํŠธ๋ฅผ ์œ„ํ•œ ์ถ”๊ฐ€ ๋„๊ตฌ์™€ ๊ธฐ๋Šฅ์„ ์‚ดํŽด๋ณด์„ธ์š”.

์ž์ฃผ ๋ฌป๋Š” ์งˆ๋ฌธ

์ฃผํ”ผํ„ฐ๋žฉ์„ ์‚ฌ์šฉํ•˜์—ฌ YOLO11 ๋ชจ๋ธ์„ ํ›ˆ๋ จํ•˜๋ ค๋ฉด ์–ด๋–ป๊ฒŒ ํ•˜๋‚˜์š”?

์ฃผํ”ผํ„ฐ๋žฉ์„ ์‚ฌ์šฉํ•˜์—ฌ YOLO11 ๋ชจ๋ธ์„ ํ•™์Šต์‹œํ‚ค๋ ค๋ฉด:

  1. ์ฃผํ”ผํ„ฐ๋žฉ๊ณผ Ultralytics ํŒจํ‚ค์ง€๋ฅผ ์„ค์น˜ํ•ฉ๋‹ˆ๋‹ค:

    pip install jupyterlab ultralytics
    
  2. JupyterLab์„ ์‹คํ–‰ํ•˜๊ณ  ์ƒˆ ๋…ธํŠธ๋ถ์„ ์—ฝ๋‹ˆ๋‹ค.

  3. YOLO ๋ชจ๋ธ์„ ๊ฐ€์ ธ์™€์„œ ๋ฏธ๋ฆฌ ํ•™์Šต๋œ ๋ชจ๋ธ์„ ๋กœ๋“œํ•ฉ๋‹ˆ๋‹ค:

    from ultralytics import YOLO
    
    model = YOLO("yolo11n.pt")
    
  4. ์‚ฌ์šฉ์ž ์ง€์ • ๋ฐ์ดํ„ฐ ์„ธํŠธ์—์„œ ๋ชจ๋ธ์„ ํ•™์Šต์‹œํ‚ต๋‹ˆ๋‹ค:

    results = model.train(data="path/to/your/data.yaml", epochs=100, imgsz=640)
    
  5. ์ฃผํ”ผํ„ฐ๋žฉ์— ๋‚ด์žฅ๋œ ํ”Œ๋กœํŒ… ๊ธฐ๋Šฅ์„ ์‚ฌ์šฉํ•˜์—ฌ ํ›ˆ๋ จ ๊ฒฐ๊ณผ๋ฅผ ์‹œ๊ฐํ™”ํ•˜์„ธ์š”:

    %matplotlib inline
    from ultralytics.utils.plotting import plot_results
    plot_results(results)
    

์ฃผํ”ผํ„ฐ๋žฉ์˜ ๋Œ€ํ™”ํ˜• ํ™˜๊ฒฝ์„ ์‚ฌ์šฉํ•˜๋ฉด ํŒŒ๋ผ๋ฏธํ„ฐ๋ฅผ ์‰ฝ๊ฒŒ ์ˆ˜์ •ํ•˜๊ณ , ๊ฒฐ๊ณผ๋ฅผ ์‹œ๊ฐํ™”ํ•˜๋ฉฐ, ๋ชจ๋ธ ํ•™์Šต ํ”„๋กœ์„ธ์Šค๋ฅผ ๋ฐ˜๋ณตํ•  ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค.

YOLO11 ํ”„๋กœ์ ํŠธ์— ์ ํ•ฉํ•œ ์ฃผํ”ผํ„ฐ๋žฉ์˜ ์ฃผ์š” ๊ธฐ๋Šฅ์€ ๋ฌด์—‡์ธ๊ฐ€์š”?

์ฃผํ”ผํ„ฐ๋žฉ์€ YOLO11 ํ”„๋กœ์ ํŠธ์— ์ด์ƒ์ ์ธ ๋ช‡ ๊ฐ€์ง€ ๊ธฐ๋Šฅ์„ ์ œ๊ณตํ•ฉ๋‹ˆ๋‹ค:

  1. ๋Œ€ํ™”ํ˜• ์ฝ”๋“œ ์‹คํ–‰: YOLO11 ์ฝ”๋“œ ์Šค๋‹ˆํŽซ์„ ์‹ค์‹œ๊ฐ„์œผ๋กœ ํ…Œ์ŠคํŠธํ•˜๊ณ  ๋””๋ฒ„๊ทธํ•˜์„ธ์š”.
  2. ํ†ตํ•ฉ ํŒŒ์ผ ๋ธŒ๋ผ์šฐ์ €: ๋ฐ์ดํ„ฐ ์„ธํŠธ, ๋ชจ๋ธ ๊ฐ€์ค‘์น˜, ๊ตฌ์„ฑ ํŒŒ์ผ์„ ์‰ฝ๊ฒŒ ๊ด€๋ฆฌํ•  ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค.
  3. ์œ ์—ฐํ•œ ๋ ˆ์ด์•„์›ƒ: ์—ฌ๋Ÿฌ ๊ฐœ์˜ ๋…ธํŠธ๋ถ, ๋‹จ๋ง๊ธฐ, ์ถœ๋ ฅ ์ฐฝ์„ ๋‚˜๋ž€ํžˆ ๋ฐฐ์น˜ํ•ด ํšจ์œจ์ ์ธ ์›Œํฌํ”Œ๋กœ์šฐ๋ฅผ ๋งŒ๋“œ์„ธ์š”.
  4. ํ’๋ถ€ํ•œ ์ถœ๋ ฅ ํ‘œ์‹œ: YOLO11 ํƒ์ง€ ๊ฒฐ๊ณผ, ํ•™์Šต ๊ณก์„ , ๋ชจ๋ธ ์„ฑ๋Šฅ ๋ฉ”ํŠธ๋ฆญ์„ ์ธ๋ผ์ธ์œผ๋กœ ์‹œ๊ฐํ™”ํ•˜์„ธ์š”.
  5. Markdown ์ง€์›: YOLO11 ์‹คํ—˜๊ณผ ๊ฒฐ๊ณผ๋ฅผ ํ’๋ถ€ํ•œ ํ…์ŠคํŠธ์™€ ์ด๋ฏธ์ง€๋กœ ๋ฌธ์„œํ™”ํ•˜์„ธ์š”.
  6. ํ™•์žฅ ํ”„๋กœ๊ทธ๋žจ ์—์ฝ”์‹œ์Šคํ…œ: ๋ฒ„์ „ ๊ด€๋ฆฌ, ์›๊ฒฉ ์ปดํ“จํŒ… ๋“ฑ์„ ์œ„ํ•œ ํ™•์žฅ ๊ธฐ๋Šฅ์œผ๋กœ ๊ธฐ๋Šฅ์„ ํ–ฅ์ƒํ•˜์„ธ์š”.

์ด๋Ÿฌํ•œ ๊ธฐ๋Šฅ์„ ํ†ตํ•ด ๋ฐ์ดํ„ฐ ์ค€๋น„๋ถ€ํ„ฐ ๋ชจ๋ธ ๋ฐฐํฌ๊นŒ์ง€ YOLO11 ๋ชจ๋ธ๋กœ ์ž‘์—…ํ•  ๋•Œ ์›ํ™œํ•œ ๊ฐœ๋ฐœ ํ™˜๊ฒฝ์„ ๊ตฌ์ถ•ํ•  ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค.

JupyterLab์„ ์‚ฌ์šฉํ•˜์—ฌ YOLO11 ๋ชจ๋ธ ์„ฑ๋Šฅ์„ ์ตœ์ ํ™”ํ•˜๋ ค๋ฉด ์–ด๋–ป๊ฒŒ ํ•ด์•ผ ํ•˜๋‚˜์š”?

์ฃผํ”ผํ„ฐ๋žฉ์—์„œ YOLO11 ๋ชจ๋ธ ์„ฑ๋Šฅ์„ ์ตœ์ ํ™”ํ•˜๋ ค๋ฉด:

  1. ์ž๋™ ๋ฐฐ์น˜ ๊ธฐ๋Šฅ์„ ์‚ฌ์šฉํ•˜์—ฌ ์ตœ์ ์˜ ๋ฐฐ์น˜ ํฌ๊ธฐ๋ฅผ ๊ฒฐ์ •ํ•˜์„ธ์š”:

    from ultralytics.utils.autobatch import autobatch
    
    optimal_batch_size = autobatch(model)
    
  2. ๋ ˆ์ด ํŠ ๊ณผ ๊ฐ™์€ ๋ผ์ด๋ธŒ๋Ÿฌ๋ฆฌ๋ฅผ ์‚ฌ์šฉํ•˜์—ฌ ํ•˜์ดํผํŒŒ๋ผ๋ฏธํ„ฐ ํŠœ๋‹์„ ๊ตฌํ˜„ํ•˜์„ธ์š”:

    from ultralytics.utils.tuner import run_ray_tune
    
    best_results = run_ray_tune(model, data="path/to/data.yaml")
    
  3. ์ฃผํ”ผํ„ฐ๋žฉ์˜ ํ”Œ๋กœํŒ… ๊ธฐ๋Šฅ์„ ์‚ฌ์šฉํ•˜์—ฌ ๋ชจ๋ธ ๋ฉ”ํŠธ๋ฆญ์„ ์‹œ๊ฐํ™”ํ•˜๊ณ  ๋ถ„์„ํ•˜์„ธ์š”:

    from ultralytics.utils.plotting import plot_results
    
    plot_results(results.results_dict)
    
  4. ๋‹ค์–‘ํ•œ ๋ชจ๋ธ ์•„ํ‚คํ…์ฒ˜์™€ ๋‚ด๋ณด๋‚ด๊ธฐ ํ˜•์‹์„ ์‹คํ—˜ํ•˜์—ฌ ํŠน์ • ์‚ฌ์šฉ ์‚ฌ๋ก€์— ๊ฐ€์žฅ ์ ํ•ฉํ•œ ์†๋„์™€ ์ •ํ™•๋„์˜ ๊ท ํ˜•์„ ์ฐพ์•„๋ณด์„ธ์š”.

์ฃผํ”ผํ„ฐ๋žฉ์˜ ๋Œ€ํ™”ํ˜• ํ™˜๊ฒฝ์—์„œ๋Š” ๋น ๋ฅธ ๋ฐ˜๋ณต๊ณผ ์‹ค์‹œ๊ฐ„ ํ”ผ๋“œ๋ฐฑ์ด ๊ฐ€๋Šฅํ•˜๋ฏ€๋กœ YOLO11 ๋ชจ๋ธ์„ ํšจ์œจ์ ์œผ๋กœ ์ตœ์ ํ™”ํ•  ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค.

์ฃผํ”ผํ„ฐ๋žฉ๊ณผ YOLO11 ๋กœ ์ž‘์—…ํ•  ๋•Œ ์ž์ฃผ ๋ฐœ์ƒํ•˜๋Š” ๋ฌธ์ œ๋Š” ์–ด๋–ป๊ฒŒ ์ฒ˜๋ฆฌํ•˜๋‚˜์š”?

์ฃผํ”ผํ„ฐ๋žฉ๊ณผ YOLO11 ์—์„œ ์ž‘์—…ํ•  ๋•Œ ๋ช‡ ๊ฐ€์ง€ ์ผ๋ฐ˜์ ์ธ ๋ฌธ์ œ๊ฐ€ ๋ฐœ์ƒํ•  ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค. ์ด๋Ÿฌํ•œ ๋ฌธ์ œ๋ฅผ ์ฒ˜๋ฆฌํ•˜๋Š” ๋ฐฉ๋ฒ•์€ ๋‹ค์Œ๊ณผ ๊ฐ™์Šต๋‹ˆ๋‹ค:

  1. GPU ๋ฉ”๋ชจ๋ฆฌ ๋ฌธ์ œ:

    • ์‚ฌ์šฉ torch.cuda.empty_cache() ๋ฅผ ํด๋ฆญํ•˜์—ฌ ์‹คํ–‰ ์‚ฌ์ด์— GPU ๋ฉ”๋ชจ๋ฆฌ๋ฅผ ์ง€์›๋‹ˆ๋‹ค.
    • GPU ๋ฉ”๋ชจ๋ฆฌ์— ๋งž๊ฒŒ ๋ฐฐ์น˜ ํฌ๊ธฐ ๋˜๋Š” ์ด๋ฏธ์ง€ ํฌ๊ธฐ๋ฅผ ์กฐ์ •ํ•ฉ๋‹ˆ๋‹ค.
  2. ํŒจํ‚ค์ง€ ์ถฉ๋Œ:

    • ์ถฉ๋Œ์„ ํ”ผํ•˜๊ธฐ ์œ„ํ•ด YOLO11 ํ”„๋กœ์ ํŠธ๋ฅผ ์œ„ํ•œ ๋ณ„๋„์˜ ์ฝ˜๋‹ค ํ™˜๊ฒฝ์„ ๋งŒ๋“œ์„ธ์š”.
    • ์‚ฌ์šฉ !pip install package_name ๋ฅผ ๋…ธํŠธ๋ถ ์…€์— ์ถ”๊ฐ€ํ•˜์—ฌ ๋ˆ„๋ฝ๋œ ํŒจํ‚ค์ง€๋ฅผ ์„ค์น˜ํ•˜์„ธ์š”.
  3. ์ปค๋„์ด ์ถฉ๋Œํ•ฉ๋‹ˆ๋‹ค:

    • ์ปค๋„์„ ์žฌ์‹œ์ž‘ํ•˜๊ณ  ์…€์„ ํ•˜๋‚˜์”ฉ ์‹คํ–‰ํ•˜์—ฌ ๋ฌธ์ œ๊ฐ€ ์žˆ๋Š” ์ฝ”๋“œ๋ฅผ ์‹๋ณ„ํ•˜์„ธ์š”.
4๊ฐœ์›” ์ „ ์ƒ์„ฑ๋จ โœ๏ธ 2๊ฐœ์›” ์ „ ์—…๋ฐ์ดํŠธ๋จ

๋Œ“๊ธ€