Meet YOLO26: next-gen vision AI.

Link to this sectionKaggle을 사용하여 YOLO26 모델을 학습하는 방법 가이드#

AI를 학습하고 소규모 프로젝트를 진행하는 경우, 아직 강력한 컴퓨팅 자원에 접근하기 어려울 수 있으며 고성능 하드웨어는 비용이 많이 들 수 있습니다. 다행히 Google이 소유한 플랫폼인 Kaggle이 훌륭한 해결책을 제공합니다. Kaggle은 GPU 자원에 접근하고, 대규모 데이터셋을 처리하며, 다양한 데이터 과학자 및 머신 러닝 애호가 커뮤니티와 협업할 수 있는 무료 클라우드 기반 환경을 제공합니다.

Kaggle is a great choice for training and experimenting with Ultralytics YOLO26 models. Kaggle Notebooks make using popular machine learning libraries and frameworks in your projects easy. This guide explores Kaggle's main features and shows how to train YOLO26 models on the platform.

Link to this sectionKaggle이란 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 1천만 명 이상의 사용자를 보유한 Kaggle은 머신 러닝 모델을 개발하고 실험하기 위한 풍부한 환경을 제공합니다. 로컬 머신의 사양이나 설정을 걱정할 필요가 없으며, Kaggle 계정과 웹 브라우저만 있으면 바로 시작할 수 있습니다.

Link to this section설치#

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

Link to this section인터넷 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

Link to this sectionUltralytics 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

Link to this section종속성 충돌 해결#

설치 중에 opencv-python, numpy 또는 torch와 같은 패키지에서 종속성 충돌이 발생할 수 있습니다. 다음은 일반적인 해결 방법입니다:

Link to this section방법 1: --upgrade를 사용하여 강제 재설치#

기존 패키지와 충돌이 발생하면 강제로 업그레이드하십시오:

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

Link to this section방법 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

Link to this section방법 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

Link to this section방법 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

Link to this section일반적인 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

Link to this section설치 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.

Link to this sectionKaggle에서 YOLO26 학습하기#

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

시작하려면 Kaggle YOLO26 Notebook에 접속하십시오. Kaggle 환경에는 TensorFlow 및 PyTorch와 같은 라이브러리가 미리 설치되어 있어 설정 과정이 번거롭지 않습니다.

What is the kaggle integration with respect to YOLO26?

Kaggle 계정에 로그인한 후 코드를 복사하고 편집하는 옵션을 클릭하고, 가속기 설정에서 GPU를 선택한 다음 노트북 셀을 실행하여 모델 학습을 시작할 수 있습니다. 모델 학습 과정과 모범 사례에 대한 자세한 이해를 위해 YOLO26 모델 학습 가이드를 참조하십시오.

Using kaggle for machine learning model training with a GPU

공식 YOLO26 Kaggle 노트북 페이지의 오른쪽 상단에 있는 점 세 개를 클릭하면 추가 옵션이 나타납니다.

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.
  • Colab에서 열기: 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.

Link to this sectionKaggle 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 데이터셋: Kaggle 데이터셋은 무료로 다운로드할 수 있습니다. 단, 각 데이터셋의 라이선스를 확인하여 사용 제한 사항을 이해하는 것이 중요합니다. 일부 데이터셋은 학술 출판이나 상업적 용도에 제한이 있을 수 있습니다. Kaggle API를 통해 데이터셋을 Kaggle 노트북이나 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.

Link to this sectionKaggle의 주요 기능#

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

  • 데이터셋: Kaggle은 다양한 주제에 걸친 방대한 데이터셋 모음을 호스팅합니다. 이러한 데이터셋을 쉽게 검색하여 프로젝트에 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.
  • TPU 무료 접근: Kaggle은 복잡한 머신 러닝 모델 학습에 유용한 강력한 TPU에 대한 무료 접근을 제공합니다. 이를 통해 추가 비용 없이 YOLO26 프로젝트의 처리 속도를 높이고 성능을 향상할 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.

Link to this section왜 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.

Link to this sectionKaggle에 대해 더 알아보기#

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

  • Kaggle Learn: Kaggle Learn에서 제공하는 다양하고 무료인 대화형 튜토리얼을 살펴보십시오. 이 과정들은 필수 데이터 과학 주제를 다루며 새로운 기술을 습득하는 데 도움이 되는 실습 경험을 제공합니다.
  • Getting Started with Kaggle: 이 종합 가이드는 경진대회 참여부터 첫 번째 노트북 만들기까지 Kaggle 사용의 기초를 안내합니다. 입문자에게 아주 좋은 시작점입니다.
  • Kaggle Medium 페이지: Kaggle의 Medium 페이지에서 튜토리얼, 업데이트 및 커뮤니티 기여 내용을 확인해 보십시오. 최신 트렌드를 파악하고 데이터 과학에 대한 더 깊은 통찰력을 얻을 수 있는 훌륭한 출처입니다.
  • Train Ultralytics YOLO Models Using the Kaggle Integration: 이 블로그 게시물은 Ultralytics YOLO 모델에 Kaggle을 구체적으로 활용하는 방법에 대한 추가적인 통찰력을 제공합니다.

Link to this section요약#

Kaggle이 강력한 GPU에 대한 무료 접근성을 제공하여 어떻게 YOLO26 프로젝트를 향상하고 모델 학습과 평가를 효율적으로 만드는지 확인했습니다. Kaggle 플랫폼은 사용자 친화적이며 빠른 설정을 위한 라이브러리가 미리 설치되어 있습니다. Ultralytics YOLO26와 Kaggle의 통합은 고가의 하드웨어 없이도 최첨단 컴퓨터 비전 모델을 개발, 학습 및 배포하기 위한 원활한 환경을 제공합니다.

자세한 내용은 Kaggle 문서를 방문하십시오.

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

Link to this sectionFAQ#

Link to this sectionKaggle에 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 ultralytics를 실행하십시오
  3. 설치 확인: import ultralytics; ultralytics.checks()를 실행하여 확인하십시오

종속성 충돌이 발생하면 !pip install --upgrade --force-reinstall ultralytics를 시도하거나 설치 후 커널을 재시작하십시오. 자세한 문제 해결 방법은 위의 설치 섹션을 참조하십시오.

Link to this sectionKaggle에서 YOLO26 모델을 어떻게 학습합니까?#

Kaggle에서 YOLO26 모델을 학습하는 것은 간단합니다. 먼저 Kaggle YOLO26 Notebook에 접속하십시오. Kaggle 계정에 로그인하고 노트북을 복사 및 편집한 다음, 가속기 설정에서 GPU를 선택하십시오. 노트북 셀을 실행하여 학습을 시작하십시오. 더 자세한 단계는 YOLO26 모델 학습 가이드를 참조하십시오.

Link to this sectionYOLO26 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 통합 가이드를 방문해 주십시오.

Link to this sectionKaggle에서 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.
  • 종속성 충돌: !pip install --upgrade --force-reinstall ultralytics를 사용하거나 !pip install --no-deps ultralytics를 사용하여 종속성 없이 설치하십시오.
  • 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.

더 많은 문제 해결 팁은 설치 섹션 및 일반 문제 가이드를 참조하십시오.

Link to this sectionYOLO26 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 가이드를 참조하십시오.

Link to this sectionKaggle 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