YOLO Vision 2026:

Kaggle을 사용하여 YOLO26 모델을 학습하는 방법 가이드#

AI를 배우며 small projects를 진행하고 있다면 아직 강력한 컴퓨팅 자원에 접근하기 어려울 수 있으며 고성능 하드웨어는 비용이 부담될 수 있습니다. 다행히 Google이 소유한 플랫폼인 Kaggle이 훌륭한 해결책을 제공합니다. Kaggle은 GPU 자원에 접근하고, 대용량 데이터셋을 처리하며, 다양한 데이터 사이언티스트 및 machine learning 애호가 커뮤니티와 협업할 수 있는 무료 클라우드 기반 환경을 제공합니다.

Kaggle은 Ultralytics YOLO26 모델을 훈련하고 실험하기에 훌륭한 선택입니다. Kaggle Notebook을 사용하면 프로젝트에서 인기 있는 머신러닝 라이브러리와 프레임워크를 쉽게 활용할 수 있습니다. 본 가이드에서는 Kaggle의 주요 기능을 살펴보고 플랫폼에서 YOLO26 모델을 훈련하는 방법을 안내합니다.

Kaggle이란 무엇입니까?#

Kaggle은 전 세계의 데이터 과학자들이 모여 실제 데이터 과학 문제를 해결하기 위해 협업하고, 학습하고, 경쟁하는 플랫폼입니다. 2010년 Anthony Goldbloom과 Jeremy Howard에 의해 시작되어 2017년 Google에 인수된 Kaggle을 통해 사용자는 데이터셋을 연결, 발견 및 공유하고, GPU 기반 노트북을 사용하며, 데이터 과학 경진대회에 참여할 수 있습니다. 이 플랫폼은 강력한 도구와 자원을 제공하여 숙련된 전문가와 열정적인 학습자 모두가 목표를 달성할 수 있도록 설계되었습니다.

2022년 기준 1,000만 명이 넘는 10 million users를 보유한 Kaggle은 머신러닝 모델을 개발하고 실험하기 위한 풍부한 환경을 제공합니다. 로컬 머신의 사양이나 설정을 걱정할 필요 없이, Kaggle 계정과 웹 브라우저만 있으면 바로 시작할 수 있습니다.

설치#

Kaggle에서 YOLO26 모델 학습을 시작하기 전에 노트북 환경이 올바르게 구성되었는지 확인해야 합니다. 다음의 필수 단계를 따르십시오:

인터넷 액세스 활성화#

Kaggle 노트북에서 패키지와 종속 항목을 다운로드하려면 인터넷 액세스가 필요합니다. Kaggle 노트북에서 인터넷을 활성화하는 방법은 다음과 같습니다:

  1. Kaggle 노트북 열기
  2. 노트북 인터페이스 오른쪽의 Settings 패널 클릭
  3. 아래로 스크롤하여 Internet 섹션 찾기
  4. 스위치를 ON으로 전환하여 인터넷 연결 활성화

참고: Ultralytics 패키지를 설치하고 사전 학습된 모델이나 데이터셋을 다운로드하려면 인터넷 액세스가 필요합니다. 인터넷이 활성화되지 않으면 패키지 설치가 실패합니다.

Kaggle Notebook Internet Turn on

Ultralytics 설치하기#

인터넷 액세스가 활성화되면 노트북 셀에서 다음 명령어를 실행하여 Ultralytics 패키지를 설치하십시오:

!pip install ultralytics

최신 개발 버전을 원하시면 GitHub에서 직접 설치할 수 있습니다:

!pip install git+https://github.com/ultralytics/ultralytics.git

종속성 충돌 해결#

설치 과정에서 특히 opencv-python, numpy, torch 같은 패키지와 관련하여 의존성 충돌이 발생할 수 있습니다. 일반적인 해결 방법은 다음과 같습니다:

방법 1: --upgrade를 사용하여 강제 재설치#

기존 패키지와 충돌이 발생하면 강제로 업그레이드하십시오:

!pip install --upgrade --force-reinstall ultralytics

방법 2: --no-deps 사용 및 종속 항목 별도 설치#

충돌이 지속되면 먼저 종속 항목 없이 설치한 다음 필요한 패키지를 수동으로 설치하십시오:

!pip install --no-deps ultralytics
!pip install torch torchvision opencv-python matplotlib pillow pyyaml requests

방법 3: 설치 후 커널 재시작#

설치 후 가져오기(import) 문제를 해결하기 위해 커널을 재시작해야 할 때가 있습니다:

!pip install ultralytics
# Then click "Restart Kernel" from the notebook menu

방법 4: 특정 패키지 버전 사용#

특정 버전 충돌이 발생하면 호환되는 버전을 고정할 수 있습니다:

!pip install ultralytics opencv-python==4.8.1.78 numpy==1.24.3

일반적인 오류 해결 방법#

오류: "No module named 'ultralytics'"

  • 해결책: 인터넷이 활성화되어 있는지 확인하고 설치 명령어를 다시 실행하십시오
  • 설치 후 커널 재시작

오류: "ERROR: pip's dependency resolver does not currently take into account..."

  • 해결책: 이는 보통 경고 메시지이므로 안전하게 무시해도 됩니다. 메시지에도 불구하고 설치는 대개 성공합니다
  • 또는 위에서 설명한 방법 2를 사용하여 종속성 확인 없이 설치하십시오

오류: 설치 후 "ModuleNotFoundError"

  • 해결책: 노트북 인터페이스의 재시작 버튼을 사용하여 커널을 재시작하십시오
  • 새 셀에서 import 문을 다시 실행하십시오

설치 확인#

설치 후 다음을 실행하여 Ultralytics가 올바르게 설치되었는지 확인하십시오:

import ultralytics

ultralytics.checks()

이 명령어를 통해 시스템 정보를 표시하고 모든 종속 항목이 올바르게 설치되었는지 확인할 수 있습니다.

Kaggle에서 YOLO26 학습하기#

Kaggle은 강력한 GPU에 접근할 수 있어 YOLO26 모델을 간단하고 효율적으로 학습할 수 있습니다.

시작하려면 Kaggle YOLO26 Notebook에 접속하세요. Kaggle 환경에는 TensorFlow 및 PyTorch 같은 라이브러리가 미리 설치되어 있어 번거로움 없이 설정 과정을 마칠 수 있습니다.

What is the kaggle integration with respect to YOLO26?

Kaggle 계정에 로그인한 후 코드를 복사하여 수정하는 옵션을 클릭하고, 가속기 설정에서 GPU를 선택한 다음, 노트북 셀을 실행하여 모델 학습을 시작할 수 있습니다. 모델 학습 과정과 모범 사례에 대한 자세한 내용은 YOLO26 Model Training guide를 참조하세요.

Using kaggle for machine learning model training with a GPU

official YOLO26 Kaggle notebook page에서 우측 상단의 점 3개를 클릭하면 추가 옵션이 표시됩니다.

Overview of Options From the Official YOLO26 Kaggle Notebook Page

이 옵션들은 다음과 같습니다:

  • 버전 보기: 노트북의 여러 버전을 탐색하여 시간 경과에 따른 변경 사항을 확인하고 필요한 경우 이전 버전으로 되돌릴 수 있습니다.
  • API 명령어 복사: 노트북과 프로그래밍 방식으로 상호 작용할 수 있는 API 명령어를 가져옵니다. 이는 자동화 및 워크플로우 통합에 유용합니다.
  • Google 노트북에서 열기: Google의 호스팅 노트북 환경에서 노트북을 엽니다.
  • Open in Colab: 추가 편집 및 실행을 위해 Google Colab에서 노트북을 실행합니다.
  • 댓글 팔로우: 댓글 섹션을 구독하여 업데이트를 받고 커뮤니티와 소통할 수 있습니다.
  • 코드 다운로드: 오프라인 사용이나 로컬 환경의 버전 관리를 위해 전체 노트북을 Jupyter(.ipynb) 파일로 다운로드합니다.
  • 컬렉션에 추가: 쉽게 접근하고 정리할 수 있도록 노트북을 Kaggle 계정 내의 컬렉션에 저장합니다.
  • 즐겨찾기: 나중에 빠르게 접근할 수 있도록 노트북을 즐겨찾기에 추가합니다.
  • 노트북 임베드: 블로그, 웹사이트 또는 문서에 노트북을 포함할 수 있는 임베드 링크를 가져옵니다.

Kaggle 작업 중 발생하는 일반적인 문제#

Kaggle에서 작업할 때 일반적인 문제가 발생할 수 있습니다. 플랫폼을 탐색하는 데 도움이 되는 주요 포인트는 다음과 같습니다:

  • GPU 접근: Kaggle 노트북에서는 언제든지 GPU를 활성화할 수 있으며, 주당 최대 30시간까지 사용할 수 있습니다. Kaggle은 16GB 메모리를 갖춘 NVIDIA Tesla P100 GPU를 제공하며, NVIDIA GPU T4 x2를 사용하는 옵션도 제공합니다. 강력한 하드웨어는 머신 러닝 작업을 가속화하여 모델 학습과 추론 속도를 크게 높여줍니다.
  • Kaggle 커널: Kaggle 커널은 GPU를 통합할 수 있는 무료 Jupyter 노트북 서버로, 클라우드 컴퓨터에서 머신 러닝 작업을 수행할 수 있게 해줍니다. 자신의 컴퓨터 CPU에 의존할 필요가 없으므로 과부하를 방지하고 로컬 자원을 확보할 수 있습니다.
  • Kaggle Datasets: Kaggle 데이터셋은 무료로 다운로드할 수 있습니다. 다만, 사용 제한 사항을 파악하기 위해 각 데이터셋의 라이선스를 확인하는 것이 중요합니다. 일부 데이터셋은 학술 출판이나 상업적 이용에 제한이 있을 수 있습니다. 데이터셋을 Kaggle 노트북 또는 Kaggle API를 통해 다른 곳으로 직접 다운로드할 수 있습니다.
  • 노트북 저장 및 커밋: Kaggle에서 노트북을 저장하고 커밋하려면 "Save Version"을 클릭하십시오. 이는 노트북의 현재 상태를 저장합니다. 백그라운드 커널이 출력 파일 생성을 완료하면 노트북 페이지의 Output 탭에서 파일에 접근할 수 있습니다.
  • 협업: Kaggle은 협업을 지원하지만 여러 사용자가 동시에 노트북을 편집할 수는 없습니다. Kaggle에서의 협업은 비동기식이며, 이는 사용자가 다른 시간에 동일한 노트북을 공유하고 작업할 수 있음을 의미합니다.
  • 이전 버전으로 되돌리기: 노트북의 이전 버전으로 되돌려야 하는 경우, 노트북을 열고 오른쪽 상단의 세로 점 세 개를 클릭하여 "View Versions"를 선택하십시오. 되돌리려는 버전을 찾고 옆의 "..." 메뉴를 클릭한 다음 "Revert to Version"을 선택하십시오. 노트북이 복구되면 "Save Version"을 클릭하여 변경 사항을 커밋하십시오.

Kaggle의 주요 기능#

다음으로, Kaggle이 데이터 과학 및 머신 러닝 애호가에게 훌륭한 플랫폼인 이유가 되는 기능들을 살펴보겠습니다. 주요 특징은 다음과 같습니다:

  • Datasets: Kaggle은 다양한 주제에 대한 방대한 datasets 컬렉션을 호스팅합니다. 이러한 데이터셋을 프로젝트에서 쉽게 검색하여 사용할 수 있으며, 이는 YOLO26 모델을 학습하고 테스트하는 데 특히 유용합니다.
  • 경진대회: 흥미로운 경진대회로 유명한 Kaggle은 데이터 과학자와 머신 러닝 애호가들이 실제 문제를 해결할 수 있도록 합니다. 대회에 참여하면 기술을 향상하고 새로운 기법을 배우며 커뮤니티에서 인지도를 얻는 데 도움이 됩니다.
  • Free Access to TPUs: Kaggle은 복잡한 머신러닝 모델 학습에 유용한 강력한 TPUs에 대한 무료 액세스를 제공합니다. 이를 통해 추가 비용 없이 처리 속도를 높이고 YOLO26 프로젝트의 성능을 향상시킬 수 있습니다.
  • GitHub 통합: Kaggle을 사용하면 GitHub 저장소를 쉽게 연결하여 노트북을 업로드하고 작업을 저장할 수 있습니다. 이러한 통합을 통해 파일을 관리하고 접근하기가 편리합니다.
  • 커뮤니티 및 토론: Kaggle은 강력한 데이터 과학자 및 머신 러닝 실무자 커뮤니티를 자랑합니다. 토론 포럼과 공유 노트북은 학습 및 문제 해결을 위한 환상적인 자원입니다. 쉽게 도움을 찾고, 지식을 공유하며, 다른 사람들과 협업할 수 있습니다.

왜 YOLO26 프로젝트에 Kaggle을 사용해야 합니까?#

머신 러닝 모델을 학습하고 평가하기 위한 플랫폼은 여러 가지가 있지만, Kaggle은 어떤 점이 특별할까요? 머신 러닝 프로젝트에 Kaggle을 사용하는 이점을 살펴보겠습니다:

  • 공개 노트북: Kaggle 노트북을 공개로 설정하면 다른 사용자가 보고, 투표하고, 포크(fork)하고, 작업에 대해 토론할 수 있습니다. Kaggle은 협업, 피드백, 아이디어 공유를 장려하여 YOLO26 모델을 향상하는 데 도움을 줍니다.
  • 노트북 커밋의 종합적인 기록: Kaggle은 노트북 커밋의 자세한 기록을 생성합니다. 이를 통해 시간 경과에 따른 변경 사항을 검토하고 추적할 수 있어 프로젝트의 진화 과정을 이해하고 필요한 경우 이전 버전으로 되돌리기가 쉽습니다.
  • 콘솔 접근: Kaggle은 콘솔을 제공하여 환경에 대한 더 많은 제어 권한을 제공합니다. 이 기능을 사용하면 명령줄에서 직접 다양한 작업을 수행할 수 있어 워크플로우와 생산성이 향상됩니다.
  • 자원 가용성: Kaggle의 각 노트북 편집 세션에는 상당한 자원이 제공됩니다. CPU 및 GPU 세션의 경우 12시간, TPU 세션의 경우 9시간의 실행 시간이 주어지며, 20GB의 자동 저장 디스크 공간이 제공됩니다.
  • 노트북 스케줄링: Kaggle을 사용하면 노트북이 특정 시간에 실행되도록 예약할 수 있습니다. 모델을 정기적으로 학습시키는 등 반복적인 작업을 수동 개입 없이 자동화할 수 있습니다.

Kaggle에 대해 더 알아보기#

Kaggle에 대해 더 자세히 알고 싶으시다면 다음의 유용한 자원들이 도움이 될 것입니다:

  • Kaggle Learn: Kaggle Learn에서 다양한 무료 대화형 튜토리얼을 만나보세요. 이러한 과정은 필수 데이터 과학 주제를 다루며 새로운 기술을 마스터할 수 있는 실무 경험을 제공합니다.
  • Getting Started with Kaggle: 이 종합 가이드는 대회 참가부터 첫 번째 노트북 생성에 이르기까지 Kaggle 사용의 기본 사항을 안내합니다. 초보자에게 훌륭한 출발점입니다.
  • Kaggle Medium Page: Kaggle의 Medium 페이지에서 튜토리얼, 업데이트 및 커뮤니티 기여 내용을 살펴보세요. 최신 트렌드를 파악하고 데이터 과학에 대한 깊은 통찰력을 얻기에 훌륭한 소스입니다.
  • Train Ultralytics YOLO Models Using the Kaggle Integration: 이 블로그 게시물은 Ultralytics YOLO 모델에 특화하여 Kaggle을 활용하는 방법에 대한 추가적인 통찰력을 제공합니다.

요약#

Kaggle이 강력한 GPU에 대한 무료 액세스를 제공하여 모델 학습과 평가를 효율적으로 만들어 줌으로써 YOLO26 프로젝트를 어떻게 향상시킬 수 있는지 살펴보았습니다. Kaggle 플랫폼은 사전 설치된 라이브러리를 통해 빠른 설정을 지원하며 사용자 친화적입니다. Ultralytics YOLO26과 Kaggle의 통합은 비싼 하드웨어 없이도 최첨단 computer vision 모델을 개발, 학습 및 배포할 수 있는 원활한 환경을 조성합니다.

자세한 내용은 Kaggle's documentation을 방문하세요.

더 많은 YOLO26 통합에 관심이 있으신가요? Ultralytics 통합 가이드를 확인하여 머신러닝 프로젝트를 위한 추가 도구와 기능을 살펴보세요.

FAQ#

Kaggle에 Ultralytics YOLO26을 어떻게 설치합니까?#

Kaggle에 Ultralytics YOLO26을 설치하려면:

  1. 인터넷 활성화: Settings 패널로 이동하여 Internet 토글을 ON으로 켜십시오
  2. 패키지 설치: 노트북 셀에서 !pip install ultralytics 실행
  3. 설치 확인: import ultralytics; ultralytics.checks()을 실행하여 확인

의존성 충돌이 발생하는 경우 !pip install --upgrade --force-reinstall ultralytics을 시도하거나 설치 후 커널을 재시작하세요. 자세한 문제 해결 방법은 위의 Installation section을 참조하세요.

Kaggle에서 YOLO26 모델을 어떻게 학습합니까?#

Kaggle에서 YOLO26 모델을 학습하는 방법은 간단합니다. 먼저 Kaggle YOLO26 Notebook에 접속하세요. Kaggle 계정에 로그인하고 노트북을 복사하여 수정한 다음 가속기 설정에서 GPU를 선택합니다. 학습을 시작하려면 노트북 셀을 실행하세요. 더 자세한 단계는 YOLO26 Model Training guide를 참조하세요.

YOLO26 모델 학습에 Kaggle을 사용할 때의 이점은 무엇입니까?#

Kaggle은 YOLO26 모델 학습에 몇 가지 이점을 제공합니다:

  • 무료 GPU 접근: 주당 최대 30시간 동안 NVIDIA Tesla P100 또는 T4 x2와 같은 강력한 GPU를 활용하십시오.
  • 사전 설치된 라이브러리: TensorFlow 및 PyTorch와 같은 라이브러리가 사전 설치되어 있어 설정을 간소화합니다.
  • 커뮤니티 협업: 데이터 과학자 및 머신러닝 애호가들로 구성된 방대한 커뮤니티와 교류하십시오.
  • 버전 제어: 노트북의 다양한 버전을 쉽게 관리하고 필요할 경우 이전 버전으로 되돌릴 수 있습니다.

자세한 내용은 Ultralytics integration guide를 참조하세요.

Kaggle에서 YOLO26을 사용할 때 발생할 수 있는 일반적인 문제는 무엇이며, 이를 어떻게 해결할 수 있습니까?#

일반적인 문제는 다음과 같습니다:

  • GPU 액세스: 노트북 설정에서 GPU를 활성화했는지 확인하십시오. Kaggle은 주당 최대 30시간의 GPU 사용량을 허용합니다.
  • 인터넷 미사용 설정: 패키지를 설치하기 전에 설정 패널에서 인터넷을 활성화했는지 확인하십시오.
  • 의존성 충돌: !pip install --upgrade --force-reinstall ultralytics을 사용하거나 !pip install --no-deps ultralytics을 사용하여 의존성 없이 설치하세요.
  • 데이터셋 라이선스: 각 데이터셋의 라이선스를 확인하여 사용 제한 사항을 이해하십시오.
  • 노트북 저장 및 커밋: "Save Version"을 클릭하여 노트북의 상태를 저장하고 출력 탭에서 출력 파일에 액세스하십시오.
  • 협업: Kaggle은 비동기 협업을 지원하며, 여러 사용자가 동시에 노트북을 편집할 수는 없습니다.

추가 문제 해결 팁은 Installation section과 Common Issues guide를 참조하세요.

YOLO26 모델을 학습할 때 Google Colab과 같은 다른 플랫폼 대신 Kaggle을 선택해야 하는 이유는 무엇입니까?#

Kaggle은 다음과 같은 뛰어난 기능을 제공합니다:

  • 공개 노트북: 커뮤니티와 작업을 공유하여 피드백을 받고 협업하십시오.
  • 무료 TPU 액세스: 강력한 TPU를 사용하여 추가 비용 없이 학습 속도를 높이십시오.
  • 포괄적인 기록: 노트북 커밋의 상세 기록을 통해 시간에 따른 변경 사항을 추적하십시오.
  • 리소스 가용성: 각 노트북 세션에 대해 CPU 및 GPU 세션당 12시간의 실행 시간을 포함하여 상당한 리소스가 제공됩니다.

Google Colab과의 비교는 Google Colab guide를 참조하세요.

Kaggle 노트북의 이전 버전으로 어떻게 되돌릴 수 있습니까?#

이전 버전으로 되돌리려면 다음을 수행하십시오:

  1. 노트북을 열고 오른쪽 상단 모서리에 있는 점 3개를 클릭하십시오.
  2. "View Versions"를 선택하십시오.
  3. 되돌리려는 버전을 찾고 옆에 있는 "..." 메뉴를 클릭한 다음 "Revert to Version"을 선택하십시오.
  4. "Save Version"을 클릭하여 변경 사항을 커밋하십시오.
기여자
GLglenn-jocher10RIRizwanMunawar2RAraimbekovm1PRPrashantDixit01LAlakshanthad1LALaughing-q1ABabirami-vina1

댓글