YOLO26 모델을 PaddlePaddle 형식으로 내보내는 방법#

다양한 조건의 실제 환경에서 컴퓨터 비전 모델을 개발하고 배포하는 과정의 간극을 해소하는 일은 어려울 수 있습니다. PaddlePaddle은 유연성과 성능, 분산 환경에서의 병렬 처리 기능에 중점을 두어 이 과정을 더 쉽게 만듭니다. 따라서 스마트폰부터 클라우드 기반 서버까지 다양한 기기와 플랫폼에서 YOLO26 컴퓨터 비전 모델을 사용할 수 있습니다.

PaddlePaddle 모델 형식으로 내보내면 Ultralytics YOLO26 모델을 PaddlePaddle 프레임워크에서 사용할 수 있도록 최적화할 수 있습니다. PaddlePaddle은 산업 현장 배포를 지원하는 것으로 잘 알려져 있으며, 다양한 도메인의 실제 환경에 컴퓨터 비전 애플리케이션을 배포하는 데 적합합니다.

PaddlePaddle로 내보내야 하는 이유는 무엇인가요?#

Baidu가 개발한 PaddlePaddle은 중국 최초의 오픈 소스 딥러닝 플랫폼인 PA 병렬 D 분산 D 딥 LE 러닝입니다. 주로 연구용으로 개발된 일부 프레임워크와 달리 PaddlePaddle은 사용 편의성과 산업 전반에 걸친 원활한 통합을 우선시합니다.

널리 사용되는 프레임워크인 TensorFlow와 PyTorch에 상응하는 도구와 리소스를 제공하므로 모든 경험 수준의 개발자가 쉽게 사용할 수 있습니다. 농업과 공장부터 서비스업까지, 477만 명이 넘는 PaddlePaddle 개발자 커뮤니티는 AI 애플리케이션을 개발하고 배포하는 데 기여하고 있습니다.

Ultralytics YOLO26 모델을 PaddlePaddle 형식으로 내보내면 PaddlePaddle의 성능 최적화 강점을 활용할 수 있습니다. PaddlePaddle은 효율적인 모델 실행과 메모리 사용량 절감을 우선시합니다. 그 결과 YOLO26 모델의 성능을 한층 더 높여 실제 환경에서 뛰어난 결과를 얻을 수 있습니다.

PaddlePaddle 모델의 주요 기능#

PaddlePaddle 모델은 다양한 배포 시나리오에서 유연성, 성능, 확장성을 높이는 여러 주요 기능을 제공합니다:

• 동적 그래프에서 정적 그래프로 변환: PaddlePaddle은 모델을 정적 계산 그래프로 변환하는 동적 그래프에서 정적 그래프로의 컴파일을 지원합니다. 이를 통해 런타임 오버헤드를 줄이고 추론 성능을 높이는 최적화를 적용할 수 있습니다.

• 연산자 융합: PaddlePaddle은 TensorRT와 마찬가지로 계산을 간소화하고 오버헤드를 줄이기 위해 연산자 융합을 사용합니다. 프레임워크는 호환되는 연산을 병합해 메모리 전송과 계산 단계를 최소화하므로 추론 속도가 빨라집니다.

• 양자화: PaddlePaddle은 학습 후 양자화와 양자화 인식 학습을 포함한 양자화 기법을 지원합니다. 이러한 기법을 사용하면 더 낮은 정밀도의 데이터 표현을 활용해 성능을 높이고 모델 크기를 줄일 수 있습니다.

PaddlePaddle의 배포 옵션#

YOLO26 모델을 PaddlePaddle로 내보내는 코드를 살펴보기 전에, PaddlePaddle 모델이 강점을 발휘하는 다양한 배포 시나리오를 알아보겠습니다.

PaddlePaddle은 사용 편의성, 유연성, 성능 간에 서로 다른 균형을 제공하는 다양한 옵션을 지원합니다:

• Paddle Serving: PaddlePaddle 모델을 고성능 RESTful API로 배포하는 과정을 간소화하는 프레임워크입니다. Paddle Serving은 모델 버전 관리, 온라인 A/B 테스트, 대량 요청 처리를 위한 확장성 등의 기능을 제공하므로 프로덕션 환경에 적합합니다.

• Paddle Inference API: Paddle Inference API는 모델 실행을 세밀하게 제어할 수 있도록 합니다. 모델을 사용자 지정 애플리케이션에 긴밀하게 통합하거나 특정 하드웨어에 맞게 성능을 최적화해야 하는 시나리오에 적합합니다.

• Paddle Lite: Paddle Lite는 리소스가 제한된 모바일 및 임베디드 기기에 배포하도록 설계되었습니다. ARM CPU, GPU 및 기타 특수 하드웨어에서 모델 크기를 줄이고 추론 속도를 높이도록 모델을 최적화합니다.

• Paddle.js: Paddle.js를 사용하면 웹 브라우저에서 PaddlePaddle 모델을 직접 배포할 수 있습니다. Paddle.js는 사전 학습 모델을 로드하거나 Paddle.js에서 제공하는 모델 변환 도구를 사용해 paddle-hub의 모델을 변환할 수 있습니다. WebGL/WebGPU/WebAssembly를 지원하는 브라우저에서 실행할 수 있습니다.

지원 작업#

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

PaddlePaddle로 내보내기: YOLO26 모델 변환#

YOLO26 모델을 PaddlePaddle 형식으로 변환하면 다양한 배포 시나리오에서 실행 유연성을 높이고 성능을 최적화할 수 있습니다.

설치#

필수 패키지를 설치하려면 다음을 실행하세요:

# Install the required package for YOLO26
pip install ultralytics

설치 절차에 대한 자세한 지침과 모범 사례는 Ultralytics 설치 가이드를 참조하세요. YOLO26에 필요한 패키지를 설치하는 중 문제가 발생하면 해결 방법과 팁을 확인할 수 있는 일반적인 문제 가이드를 참조하세요.

사용법#

모든 Ultralytics YOLO26 모델은 내보내기를 지원합니다. 배포 요구 사항에 가장 적합한 형식을 찾으려면 내보내기 형식 및 옵션 전체 목록을 살펴보세요.

PaddlePaddle 형식은 내보내기, 예측, 검증 모드를 지원합니다. 모델을 내보낸 다음 내보낸 모델을 로드해 추론을 실행하거나 정확도를 검증하세요.

from ultralytics import YOLO

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

# 모델을 PaddlePaddle 형식으로 내보내기
model.export(format="paddle")  # creates 'yolo26n_paddle_model'

from ultralytics import YOLO

# 내보낸 PaddlePaddle 모델 로드
model = YOLO("./yolo26n_paddle_model")

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

from ultralytics import YOLO

# 내보낸 PaddlePaddle 모델 로드
model = YOLO("./yolo26n_paddle_model")

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

내보내기 인수#

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

내보낸 YOLO26 PaddlePaddle 모델 배포#

Ultralytics YOLO26 모델을 PaddlePaddle 형식으로 성공적으로 내보낸 후에는 모델을 배포할 수 있습니다. PaddlePaddle 모델 실행을 위한 기본적이고 권장되는 첫 단계는 앞서 사용 코드 스니펫에서 설명한 YOLO("yolo26n_paddle_model/") 메서드를 사용하는 것입니다.

다만 다양한 환경에서 PaddlePaddle 모델을 배포하는 방법에 관한 자세한 안내는 다음 자료를 참조하세요:

• Paddle Serving: Paddle Serving을 사용해 성능이 우수한 서비스로 PaddlePaddle 모델을 배포하는 방법을 알아보세요.

• Paddle Lite: Paddle Lite를 사용해 모바일 및 임베디드 기기에서 모델을 최적화하고 배포하는 방법을 살펴보세요.

• Paddle.js: Paddle.js를 사용해 클라이언트 측 AI를 위해 웹 브라우저에서 PaddlePaddle 모델을 실행하는 방법을 알아보세요.

요약#

이 가이드에서는 Ultralytics YOLO26 모델을 PaddlePaddle 형식으로 내보내는 과정을 살펴봤습니다. 이 단계를 따르면 다양한 배포 시나리오에서 PaddlePaddle의 강점을 활용하고, 서로 다른 하드웨어 및 소프트웨어 환경에 맞게 모델을 최적화할 수 있습니다.

사용 방법에 관한 자세한 내용은 PaddlePaddle 공식 문서를 참조하세요.

Ultralytics YOLO26 모델을 통합하는 다른 방법도 알아보고 싶으신가요? 통합 가이드 페이지에서 다양한 옵션을 살펴보고 유용한 리소스와 인사이트를 확인할 수 있습니다.

자주 묻는 질문#