Ultralytics YOLO NCNN 내보내기#

모바일 또는 임베디드 시스템처럼 컴퓨팅 성능이 제한된 디바이스에 컴퓨터 비전 모델을 배포하려면 형식을 신중하게 선택해야 합니다. 최적화된 형식을 사용하면 리소스가 제한된 디바이스에서도 고급 컴퓨터 비전 작업을 효율적으로 처리할 수 있습니다.

NCNN 형식으로 내보내면 경량 디바이스 기반 애플리케이션에 맞게 Ultralytics YOLO26 모델을 최적화할 수 있습니다. 이 가이드에서는 모바일 및 임베디드 디바이스의 성능 향상을 위해 모델을 NCNN 형식으로 변환하는 방법을 설명합니다.

NCNN으로 내보내야 하는 이유#

Tencent가 개발한 NCNN 프레임워크는 모바일 플랫폼에 특화되어 최적화된 고성능 신경망 추론 컴퓨팅 프레임워크입니다. 여기에는 휴대폰, 임베디드 디바이스, IoT 디바이스가 포함됩니다. NCNN은 Linux, Android, iOS, macOS를 비롯한 다양한 플랫폼과 호환됩니다.

NCNN은 모바일 CPU에서 빠른 처리 속도로 잘 알려져 있으며, 딥러닝 모델을 모바일 플랫폼에 신속하게 배포할 수 있습니다. 따라서 AI 기반 애플리케이션을 구축하는 데 탁월한 선택입니다.

NCNN 모델의 주요 기능#

NCNN 모델은 디바이스에서 머신러닝을 실행할 수 있도록 하는 여러 주요 기능을 제공하므로, 개발자가 모바일, 임베디드 및 엣지 디바이스에 모델을 배포할 수 있습니다.

• 효율성과 고성능: NCNN 모델은 리소스가 제한된 Raspberry Pi와 같은 모바일 및 임베디드 디바이스에 맞게 경량화되고 최적화되어 있으며, 컴퓨터 비전 작업에서 높은 정확도를 유지합니다.

• 양자화: NCNN은 모델 가중치와 활성화의 정밀도를 낮춰 성능을 향상하고 메모리 사용량을 줄이는 기법인 양자화를 지원합니다.

• 호환성: NCNN 모델은 TensorFlow, Caffe, ONNX를 비롯한 널리 사용되는 딥러닝 프레임워크와 호환되므로, 개발자가 기존 모델과 워크플로를 활용할 수 있습니다.

• 사용 편의성: NCNN은 형식 간 모델 변환을 위한 사용자 친화적인 도구를 제공하여 다양한 개발 환경에서 원활한 상호 운용성을 보장합니다.

• Vulkan GPU 가속: NCNN은 Vulkan을 지원하여 AMD, Intel 및 기타 NVIDIA가 아닌 GPU를 비롯한 여러 제조업체의 GPU에서 GPU 가속 추론을 수행할 수 있으며, 더 다양한 하드웨어에서 고성능 배포가 가능합니다.

NCNN을 사용한 배포 옵션#

NCNN 모델은 다양한 배포 플랫폼과 호환됩니다.

• 모바일 배포: Android 및 iOS에 최적화되어 모바일 애플리케이션에 원활하게 통합하고 디바이스에서 효율적으로 추론할 수 있습니다.

• 임베디드 시스템 및 IoT 디바이스: Raspberry Pi 및 NVIDIA Jetson과 같이 리소스가 제한된 디바이스에 적합합니다. Ultralytics 가이드에 따른 Raspberry Pi의 표준 추론으로 충분하지 않은 경우 NCNN을 사용하면 성능을 크게 향상할 수 있습니다.

• 데스크톱 및 서버 배포: 개발, 학습 및 평가 워크플로를 위해 Linux, Windows, macOS 전반의 배포를 지원합니다.

Vulkan GPU 가속#

NCNN은 Vulkan을 통한 GPU 가속을 지원하므로 AMD, Intel 및 기타 NVIDIA가 아닌 그래픽 카드를 비롯한 다양한 GPU에서 고성능 추론을 수행할 수 있습니다. 이는 특히 다음과 같은 경우에 유용합니다.

• 다중 제조업체 GPU 지원: NVIDIA GPU로 제한되는 CUDA와 달리 Vulkan은 여러 GPU 제조업체에서 작동합니다.
• 다중 GPU 시스템: device="vulkan:0", device="vulkan:1" 등을 사용하여 GPU가 여러 개인 시스템에서 특정 Vulkan 디바이스를 선택할 수 있습니다.
• 엣지 및 데스크톱 배포: CUDA를 사용할 수 없는 디바이스에서 GPU 가속을 활용할 수 있습니다.

Vulkan 가속을 사용하려면 추론을 실행할 때 Vulkan 디바이스를 지정합니다.

from ultralytics import YOLO

# Load the exported NCNN model
ncnn_model = YOLO("./yolo26n_ncnn_model")

# Run inference with Vulkan GPU acceleration (first Vulkan device)
results = ncnn_model("https://ultralytics.com/images/bus.jpg", device="vulkan:0")

# Use second Vulkan device in multi-GPU systems
results = ncnn_model("https://ultralytics.com/images/bus.jpg", device="vulkan:1")

지원되는 작업#

NCNN 내보내기는 Ultralytics의 7가지 작업을 모두 지원합니다. 시맨틱 세그멘테이션과 깊이 추정은 해당 헤드를 제공하는 유일한 제품군인 YOLO26에서만 사용할 수 있습니다.

NCNN으로 내보내기: YOLO26 모델 변환#

YOLO26 모델을 NCNN 형식으로 변환하면 모델 호환성과 배포 유연성을 확장할 수 있습니다.

설치#

필요한 패키지를 설치하려면 다음을 실행합니다:

# Install the required package for YOLO26
pip install ultralytics

자세한 지침과 모범 사례는 Ultralytics 설치 가이드를 참조하세요. 문제가 발생하면 해결 방법은 일반적인 문제 가이드를 참조하세요.

사용법#

모든 Ultralytics YOLO26 모델은 기본적으로 Export를 지원하도록 설계되어 있어 선호하는 배포 워크플로에 쉽게 통합할 수 있습니다. 애플리케이션에 가장 적합한 설정을 선택하려면 지원되는 전체 Export 형식 및 구성 옵션 목록을 확인할 수 있습니다.

NCNN 형식은 내보내기, 예측, 검증 모드를 지원합니다. 모델을 내보낸 다음 내보낸 모델을 로드하여 추론을 실행하거나 정확도를 검증할 수 있습니다.

from ultralytics import YOLO

# Load a YOLO26 model
model = YOLO("yolo26n.pt")

# Export the model to NCNN format
model.export(format="ncnn")  # creates 'yolo26n_ncnn_model'

from ultralytics import YOLO

# Load the exported NCNN model
model = YOLO("./yolo26n_ncnn_model")

# Run inference
results = model("https://ultralytics.com/images/bus.jpg")

from ultralytics import YOLO

# Load the exported NCNN model
model = YOLO("./yolo26n_ncnn_model")

# Validate accuracy on the COCO8 dataset
metrics = model.val(data="coco8.yaml")

내보내기 인수#

내보내기 프로세스에 대한 자세한 내용은 Ultralytics 내보내기 문서 페이지를 참조하십시오.

내보낸 YOLO26 NCNN 모델 배포#

Ultralytics YOLO26 모델을 NCNN 형식으로 내보낸 후 위 사용 예시와 같이 YOLO("yolo26n_ncnn_model/") 메서드를 사용하여 배포할 수 있습니다. 플랫폼별 배포 지침은 다음 리소스를 참조하세요.

• Android: Android 애플리케이션에서 객체 감지를 수행할 수 있도록 NCNN 모델을 빌드하고 통합합니다.

• macOS: macOS 시스템에 NCNN 모델을 배포합니다.

• Linux: Raspberry Pi 및 유사한 임베디드 시스템을 포함한 Linux 디바이스에 NCNN 모델을 배포합니다.

• Windows x64: Visual Studio를 사용하여 Windows x64에 NCNN 모델을 배포합니다.

요약#

이 가이드에서는 리소스가 제한된 디바이스에서 효율성과 속도를 향상하기 위해 Ultralytics YOLO26 모델을 NCNN 형식으로 내보내는 방법을 설명했습니다.

자세한 내용은 공식 NCNN 문서를 참조하세요. 다른 내보내기 옵션은 통합 가이드 페이지를 확인하세요.

FAQ#