YOLO26 모델의 ONNX 내보내기#

컴퓨터 비전 모델을 배포할 때는 유연하면서도 여러 플랫폼과 호환되는 모델 형식이 필요한 경우가 많습니다.

Ultralytics YOLO26 모델을 ONNX 형식으로 내보내면 배포를 간소화하고 다양한 환경에서 최적의 성능을 확보할 수 있습니다. 이 가이드에서는 YOLO26 모델을 ONNX로 간편하게 변환하고 실제 애플리케이션에서 확장성과 효과를 높이는 방법을 설명합니다.

ONNX 및 ONNX Runtime#

Open 신경망 교환을 뜻하는 ONNX는 Facebook과 Microsoft가 처음 개발한 커뮤니티 프로젝트입니다. 현재 ONNX 개발은 IBM, Amazon(AWS를 통해), Google 등 여러 조직의 지원을 받아 공동으로 진행되고 있습니다. 이 프로젝트는 다양한 AI 프레임워크와 하드웨어에서 사용할 수 있도록 머신러닝 모델을 표현하는 개방형 파일 형식을 만드는 것을 목표로 합니다.

ONNX 모델을 사용하면 서로 다른 프레임워크 간에 원활하게 전환할 수 있습니다. 예를 들어 PyTorch로 학습한 딥러닝 모델을 ONNX 형식으로 내보낸 후 TensorFlow로 간편하게 가져올 수 있습니다.

또는 ONNX Runtime과 함께 ONNX 모델을 사용할 수 있습니다. ONNX Runtime은 PyTorch, TensorFlow, scikit-learn 등의 프레임워크와 호환되는 다목적 크로스 플랫폼 머신러닝 가속기입니다.

ONNX Runtime은 하드웨어별 기능을 활용해 ONNX 모델 실행을 최적화합니다. 이러한 최적화를 통해 CPU, GPU, 특수 가속기를 비롯한 다양한 하드웨어 플랫폼에서 모델을 효율적으로 실행하고 높은 성능을 얻을 수 있습니다.

ONNX는 단독으로 사용하거나 ONNX Runtime과 함께 사용하여 머신러닝 모델 배포 및 호환성을 위한 유연한 솔루션을 제공합니다.

ONNX 모델의 주요 기능#

ONNX가 다양한 형식을 처리할 수 있는 것은 다음과 같은 주요 기능 덕분입니다.

• 공통 모델 표현: ONNX는 공통 연산자 집합(컨볼루션, 레이어 등)과 표준 데이터 형식을 정의합니다. 모델을 ONNX 형식으로 변환하면 모델 아키텍처와 가중치가 이 공통 표현으로 변환됩니다. 이러한 통일성 덕분에 ONNX를 지원하는 모든 프레임워크가 모델을 이해할 수 있습니다.

• 버전 관리 및 하위 호환성: ONNX는 연산자에 대한 버전 관리 시스템을 유지합니다. 따라서 표준이 발전하더라도 이전 버전에서 생성한 모델을 계속 사용할 수 있습니다. 하위 호환성은 모델이 빠르게 구식이 되는 것을 방지하는 핵심 기능입니다.

• 그래프 기반 모델 표현: ONNX는 모델을 연산 그래프로 표현합니다. 그래프 기반 구조는 머신러닝 모델을 표현하는 범용적인 방법으로, 노드는 연산 또는 계산을 나타내고 에지는 노드 간에 흐르는 텐서를 나타냅니다. 이 형식은 모델을 그래프로 표현하는 다양한 프레임워크에 쉽게 적용할 수 있습니다.

• 도구 및 생태계: ONNX에는 모델 변환, 시각화, 최적화를 지원하는 풍부한 도구 생태계가 있습니다. 이러한 도구를 통해 개발자는 ONNX 모델을 더 쉽게 다루고 서로 다른 프레임워크 간에 모델을 원활하게 변환할 수 있습니다.

ONNX의 일반적인 사용 사례#

YOLO26 모델을 ONNX 형식으로 내보내는 방법을 살펴보기 전에, ONNX 모델이 주로 어디에 사용되는지 알아보겠습니다.

CPU 배포#

ONNX 모델은 ONNX Runtime과의 호환성 덕분에 CPU에 자주 배포됩니다. 이 런타임은 CPU 실행에 최적화되어 있습니다. 추론 속도를 크게 높여 CPU에서 실시간 배포를 가능하게 합니다.

지원되는 배포 옵션#

ONNX 모델은 CPU에서 주로 사용되지만 다음 플랫폼에도 배포할 수 있습니다.

• GPU 가속: ONNX는 CUDA를 통한 NVIDIA GPU 가속과 ROCm 및 MIGraphX를 통한 AMD GPU 가속을 완벽하게 지원합니다.

• 엣지 및 모바일 기기: ONNX는 엣지 및 모바일 기기에서도 사용할 수 있어 기기 내 추론과 실시간 추론 시나리오에 적합합니다. 가볍고 엣지 하드웨어와 호환되며, Huawei Ascend, Snapdragon 기기용 Qualcomm QNN, Rockchip NPU용 RKNN과 같은 벤더별 NPU 형식의 기반이 됩니다.

• 웹 브라우저: ONNX는 웹 브라우저에서 직접 실행되어 상호작용이 가능한 동적 웹 기반 AI 애플리케이션을 구동할 수 있습니다.

지원 작업#

ONNX 내보내기는 Ultralytics의 7가지 태스크를 모두 지원합니다. 시맨틱 세그멘테이션과 깊이 추정은 해당 헤드를 탑재한 유일한 제품군인 YOLO26에서만 사용할 수 있습니다.

YOLO26 모델을 ONNX로 내보내기#

YOLO26 모델을 ONNX 형식으로 변환하면 모델 호환성과 배포 유연성을 높일 수 있습니다. Ultralytics YOLO26은 간편한 내보내기 프로세스를 제공하며, 이를 통해 다양한 플랫폼에서 모델 성능을 크게 향상할 수 있습니다.

설치#

필수 패키지를 설치하려면 다음을 실행하세요:

# Install the required package for YOLO26
pip install ultralytics

설치 과정에 관한 자세한 지침과 모범 사례는 YOLO26 설치 가이드를 확인하세요. YOLO26에 필요한 패키지를 설치하는 중 문제가 발생하면 해결 방법과 팁이 담긴 일반적인 문제 가이드를 참조하세요.

사용법#

사용 안내를 자세히 살펴보기 전에 Ultralytics에서 제공하는 다양한 YOLO26 모델을 확인하세요. 이를 통해 프로젝트 요구 사항에 가장 적합한 모델을 선택할 수 있습니다.

ONNX 형식은 내보내기, 예측, 검증 모드를 지원합니다. 모델을 내보낸 다음 내보낸 모델을 로드하여 추론을 실행하거나 정확도를 검증하세요.

from ultralytics import YOLO

# YOLO26 모델 로드
model = YOLO("yolo26n.pt")

# 모델을 ONNX 형식으로 내보내기
model.export(format="onnx")  # 'yolo26n.onnx' 생성

# 보정 데이터로 INT8 양자화 ONNX 모델 내보내기
model.export(format="onnx", quantize=8, data="coco8.yaml")  # 'yolo26n_int8.onnx' 생성

from ultralytics import YOLO

# 내보낸 ONNX 모델 로드
model = YOLO("yolo26n.onnx")

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

from ultralytics import YOLO

# 내보낸 ONNX 모델 로드
model = YOLO("yolo26n.onnx")

# COCO8 데이터셋에서 정확도 검증
metrics = model.val(data="coco8.yaml")

내보내기 인수#

YOLO26 모델을 ONNX 형식으로 내보낼 때 다양한 인수를 사용해 특정 배포 요구사항에 맞게 프로세스를 사용자 지정할 수 있습니다.

내보내기 프로세스에 관한 자세한 내용은 내보내기에 관한 Ultralytics 문서 페이지를 참조하세요.

내보낸 YOLO26 ONNX 모델 배포#

Ultralytics YOLO26 모델을 ONNX 형식으로 성공적으로 내보냈다면, 다음 단계는 다양한 환경에 모델을 배포하는 것입니다. ONNX 모델 배포에 대한 자세한 지침은 다음 자료를 참조하세요.

• ONNX Runtime Python API 문서: ONNX Runtime을 사용해 ONNX 모델을 로드하고 실행하는 데 필요한 핵심 정보를 제공합니다.

• 엣지 디바이스 배포: 엣지 디바이스에 ONNX 모델을 배포하는 다양한 예제는 이 문서 페이지를 참조하세요.

• GitHub의 ONNX 튜토리얼: 다양한 시나리오에서 ONNX 모델을 사용하고 구현하는 여러 측면을 다루는 종합 튜토리얼 모음입니다.

• Triton Inference Server: 고성능 및 확장 가능한 배포를 위해 NVIDIA의 Triton Inference Server로 ONNX 모델을 배포하는 방법을 알아보세요.

MIGraphX를 사용한 AMD GPU 추론#

Ultralytics는 ONNX Runtime MIGraphX 실행 제공자를 통해 내보낸 ONNX 모델을 AMD GPU에서 실행합니다. ROCm(HIP) 시스템에서 ONNX 백엔드는 최초 사용 시 onnxruntime-ep-migraphx 플러그인을 설치하고 코드 변경 없이 MIGraphXExecutionProvider를 자동으로 선택하며, 모든 YOLO26 태스크를 지원합니다. 사전 요구사항, 설치, 사용법, 벤치마크, 컴파일된 프로그램 캐시에 대한 자세한 내용은 AMD GPU 추론 가이드를 참조하세요.

요약#

이 가이드에서는 여러 플랫폼에서 상호 운용성과 성능을 높이기 위해 Ultralytics YOLO26 모델을 ONNX 형식으로 내보내는 방법을 알아보았습니다. 또한 ONNX Runtime과 ONNX 배포 옵션을 소개했습니다.

ONNX 내보내기는 Ultralytics YOLO26이 지원하는 여러 내보내기 형식 중 하나일 뿐이며, 이를 통해 거의 모든 환경에 모델을 배포할 수 있습니다. 구체적인 요구사항에 따라 최대 GPU 성능을 위한 TensorRT나 Apple 기기용 CoreML과 같은 다른 내보내기 옵션도 살펴볼 수 있습니다.

사용법에 대한 자세한 내용은 ONNX 공식 문서를 참조하세요.

다른 Ultralytics YOLO26 통합 옵션에 대해 알아보려면 통합 가이드 페이지를 방문하세요. 이 페이지에서 유용한 자료와 인사이트를 확인할 수 있습니다.

자주 묻는 질문#