Ultralytics YOLO NCNN 내보내기

모바일이나 임베디드 시스템과 같이 컴퓨팅 파워가 제한된 장치에 컴퓨터 비전 모델을 배포하려면 신중한 형식 선택이 필요합니다. 최적화된 형식을 사용하면 리소스가 제한된 장치에서도 고급 컴퓨터 비전 작업을 효율적으로 처리할 수 있습니다.

NCNN 형식으로 내보내면 경량 장치 기반 애플리케이션에 맞게 Ultralytics YOLO26 모델을 최적화할 수 있습니다. 이 가이드에서는 모바일 및 임베디드 장치에서 향상된 성능을 얻기 위해 모델을 NCNN 형식으로 변환하는 방법을 설명합니다.

NCNN으로 내보내야 하는 이유는 무엇입니까?

Tencent에서 개발한 NCNN 프레임워크는 휴대전화, 임베디드 장치, IoT 장치를 포함한 모바일 플랫폼에 특화되어 최적화된 고성능 신경망 추론 컴퓨팅 프레임워크입니다. NCNN은 Linux, Android, iOS, macOS를 비롯한 다양한 플랫폼과 호환됩니다.

NCNN은 모바일 CPU에서의 빠른 처리 속도로 잘 알려져 있으며, 딥러닝 모델을 모바일 플랫폼에 신속하게 배포할 수 있어 AI 기반 애플리케이션 구축에 탁월한 선택입니다.

NCNN 모델의 주요 기능

NCNN 모델은 온디바이스 머신러닝을 가능하게 하는 몇 가지 핵심 기능을 제공하여 개발자가 모바일, 임베디드 및 엣지 장치에 모델을 배포하도록 돕습니다:

• 효율성 및 고성능: NCNN 모델은 가볍고 Raspberry Pi와 같이 리소스가 제한된 모바일 및 임베디드 장치에 최적화되어 있으면서도 컴퓨터 비전 작업에서 높은 정확도를 유지합니다.

• 양자화: NCNN은 모델 가중치 및 활성화 값의 정밀도를 줄여 성능을 개선하고 메모리 사용량을 낮추는 기술인 양자화를 지원합니다.

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

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

• Vulkan GPU 가속: NCNN은 AMD, Intel 및 기타 비 NVIDIA GPU를 포함한 여러 공급업체의 GPU 가속 추론을 위해 Vulkan을 지원하므로 더 넓은 범위의 하드웨어에서 고성능 배포가 가능합니다.

NCNN 배포 옵션

NCNN 모델은 다양한 배포 플랫폼과 호환됩니다:

• 모바일 배포: Android 및 iOS에 최적화되어 효율적인 온디바이스 추론을 위해 모바일 애플리케이션에 원활하게 통합할 수 있습니다.

• 임베디드 시스템 및 IoT 장치: Raspberry Pi 및 NVIDIA Jetson과 같이 리소스가 제한된 장치에 이상적입니다. Ultralytics 가이드를 사용한 Raspberry Pi에서의 표준 추론이 충분하지 않은 경우, NCNN을 통해 상당한 성능 향상을 얻을 수 있습니다.

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

Vulkan GPU 가속

NCNN은 Vulkan을 통한 GPU 가속을 지원하여 AMD, Intel 및 기타 비 NVIDIA 그래픽 카드를 포함한 광범위한 GPU에서 고성능 추론을 가능하게 합니다. 이는 특히 다음 상황에 유용합니다:

• 교차 공급업체 GPU 지원: NVIDIA GPU로 제한되는 CUDA와 달리, Vulkan은 여러 GPU 공급업체에 걸쳐 작동합니다.
• 멀티 GPU 시스템: device="vulkan:0", device="vulkan:1" 등을 사용하여 여러 GPU가 있는 시스템에서 특정 Vulkan 장치를 선택합니다.
• 엣지 및 데스크톱 배포: CUDA를 사용할 수 없는 장치에서 GPU 가속을 활용하십시오.

Vulkan 가속을 사용하려면 추론 실행 시 Vulkan 장치를 지정하십시오:

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")

NCNN으로 내보내기: YOLO26 모델 변환

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

설치

필요한 패키지를 설치하려면 다음을 실행하십시오:

# Install the required package for YOLO26
pip install ultralytics

자세한 지침과 모범 사례는 Ultralytics 설치 가이드를 참조하십시오. 어려움이 발생하면 일반 문제 가이드에서 해결 방법을 확인하십시오.

사용법

모든 Ultralytics YOLO26 모델은 별도의 설정 없이 바로 내보내기를 지원하도록 설계되어 있어, 선호하는 배포 워크플로우에 쉽게 통합할 수 있습니다. 지원되는 내보내기 형식 및 구성 옵션 전체 목록을 확인하여 애플리케이션에 가장 적합한 설정을 선택하십시오.

  from ultralytics import YOLO

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

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

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

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

내보내기 인수

내보내기 과정에 대한 자세한 내용은 Ultralytics 내보내기 설명서 페이지를 방문하세요.

내보낸 YOLO26 NCNN 모델 배포

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

• Android: Android 애플리케이션의 객체 탐지를 위해 NCNN 모델을 빌드하고 통합합니다.

• macOS: macOS 시스템에 NCNN 모델을 배포합니다.

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

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

요약

이 가이드에서는 리소스가 제한된 장치에서 효율성과 속도를 높이기 위해 Ultralytics YOLO26 모델을 NCNN 형식으로 내보내는 방법을 다루었습니다.

자세한 내용은 공식 NCNN 문서를 참조하십시오. 다른 내보내기 옵션은 통합 가이드 페이지를 방문하십시오.

FAQ

Ultralytics YOLO26 모델을 NCNN 형식으로 내보내려면 어떻게 해야 합니까?

Ultralytics YOLO26 모델을 NCNN 형식으로 내보내려면:

• Python: YOLO 클래스의 export 메서드를 사용하십시오.

  from ultralytics import YOLO
  
  # Load the YOLO26 model
  model = YOLO("yolo26n.pt")
  
  # Export to NCNN format
  model.export(format="ncnn")  # creates '/yolo26n_ncnn_model'

• CLI: yolo export 명령을 사용하십시오.

  yolo export model=yolo26n.pt format=ncnn # creates '/yolo26n_ncnn_model'

자세한 내보내기 옵션은 내보내기 문서를 참조하십시오.

YOLO26 모델을 NCNN으로 내보내면 어떤 이점이 있습니까?

Ultralytics YOLO26 모델을 NCNN으로 내보내면 다음과 같은 이점이 있습니다:

• 효율성: NCNN 모델은 모바일 및 임베디드 장치에 최적화되어 있어 제한된 컴퓨팅 리소스로도 높은 성능을 보장합니다.
• 양자화: NCNN은 모델 속도를 높이고 메모리 사용량을 줄이는 양자화와 같은 기술을 지원합니다.
• 광범위한 호환성: Android, iOS, Linux, macOS를 포함한 여러 플랫폼에 NCNN 모델을 배포할 수 있습니다.
• Vulkan GPU 가속: Vulkan을 통해 AMD, Intel 및 기타 비 NVIDIA GPU에서 GPU 가속을 활용하여 더 빠른 추론을 수행할 수 있습니다.

자세한 내용은 NCNN으로 내보내야 하는 이유? 섹션을 참조하십시오.

모바일 AI 애플리케이션에 NCNN을 사용해야 하는 이유는 무엇입니까?

Tencent에서 개발한 NCNN은 모바일 플랫폼에 특별히 최적화되어 있습니다. NCNN을 사용해야 하는 주요 이유는 다음과 같습니다:

• 고성능: 모바일 CPU에서 효율적이고 빠른 처리를 위해 설계되었습니다.
• 크로스 플랫폼: TensorFlow 및 ONNX와 같은 인기 있는 프레임워크와 호환되므로, 여러 플랫폼에서 모델을 쉽게 변환하고 배포할 수 있습니다.
• 커뮤니티 지원: 활발한 커뮤니티 지원을 통해 지속적인 개선과 업데이트가 이루어집니다.

자세한 내용은 NCNN 모델의 주요 기능 섹션을 참조하십시오.

NCNN 모델 배포는 어떤 플랫폼을 지원합니까?

NCNN은 다재다능하며 다양한 플랫폼을 지원합니다:

• 모바일: Android, iOS.
• 임베디드 시스템 및 IoT 장치: Raspberry Pi 및 NVIDIA Jetson과 같은 장치.
• 데스크톱 및 서버: Linux, Windows 및 macOS.

Raspberry Pi에서 성능을 개선하려면 Raspberry Pi 가이드에 자세히 설명된 NCNN 형식을 사용하십시오.

Android에서 Ultralytics YOLO26 NCNN 모델을 어떻게 배포합니까?

Android에서 YOLO26 모델을 배포하려면:

1. Android용 빌드: Android용 NCNN 빌드 가이드를 따르십시오.
2. 앱과 통합: NCNN Android SDK를 사용하여 내보낸 모델을 애플리케이션에 통합하고 효율적인 온디바이스 추론을 수행하십시오.

자세한 지침은 내보낸 YOLO26 NCNN 모델 배포를 참조하십시오.

고급 가이드 및 사용 사례는 Ultralytics 배포 가이드를 방문하십시오.

NCNN 모델에서 Vulkan GPU 가속은 어떻게 사용합니까?

NCNN은 AMD, Intel 및 기타 비 NVIDIA GPU에서의 GPU 가속을 위해 Vulkan을 지원합니다. Vulkan을 사용하려면:

from ultralytics import YOLO

# Load NCNN model and run with Vulkan GPU
model = YOLO("yolo26n_ncnn_model")
results = model("image.jpg", device="vulkan:0")  # Use first Vulkan device

멀티 GPU 시스템의 경우 장치 인덱스를 지정하십시오(예: 두 번째 GPU의 경우 vulkan:1). GPU용 Vulkan 드라이버가 설치되어 있는지 확인하십시오. 자세한 내용은 Vulkan GPU 가속 섹션을 참조하십시오.