Ultralytics VS Code 확장 프로그램
시청: Ultralytics Visual Studio Code 확장 프로그램 사용 방법 | 바로 사용 가능한 코드 스니펫 | Ultralytics YOLO 🎉
기능 및 장점#
✅ Ultralytics를 사용해 컴퓨터 비전 애플리케이션을 개발하는 데이터 과학자 또는 머신러닝 엔지니어이신가요?
✅ 같은 코드 블록을 반복해서 작성하는 데 지치셨나요?
✅ train, val, predict, export 또는 track 메서드의 인수나 기본값을 자주 잊으시나요?
✅ Ultralytics를 시작하려고 하며 코드 예제를 더 쉽게 참조하거나 실행할 방법을 찾고 계신가요?
✅ Ultralytics를 사용할 때 개발 주기를 단축하고 싶으신가요?
Visual Studio Code를 사용하고 위 질문 중 하나라도 '예'라고 답했다면, VS Code용 Ultralytics-snippets 확장 프로그램이 도움이 될 수 있습니다. 아래 섹션에서는 확장 프로그램의 기능과 설치 및 사용 방법을 설명합니다.
20초 이내에 Ultralytics YOLO 예제 코드를 실행하세요.
Ultralytics 커뮤니티에서 얻은 영감#
이 확장 프로그램은 Ultralytics Community의 아이디어에서 출발했습니다. 비슷한 주제와 예제에 관한 Community의 질문이 프로젝트 개발에 큰 도움이 되었습니다. 또한 Ultralytics 팀원 다수가 업무에 VS Code를 사용합니다.
왜 VS Code인가요?#
Visual Studio Code는 전 세계 개발자들이 널리 사용하는 도구이며, Stack Overflow 개발자 설문조사에서 2021년, 2022년, 2023년, 2024년에 가장 인기 있는 도구로 선정되었습니다. 높은 사용자 지정 가능성, 기본 제공 기능, 폭넓은 호환성, 확장성 덕분에 인기를 얻고 있습니다. 개발자 커뮤니티 전반과 Ultralytics Discord, Discourse, Reddit, GitHub Community에서 널리 사용되는 점을 고려하면, 워크플로를 간소화하는 VS Code 확장 프로그램을 만드는 것이 합리적이었습니다.
코드 개발에 사용하는 도구를 공유하려면 Discourse 커뮤니티 설문조사에 참여하세요.
확장 프로그램 설치#
VS Code 확장 설치를 허용하는 모든 코드 환경은 Ultralytics-snippets 확장과 호환되어야 합니다. Neovim도 VS Code 확장과 호환되도록 설정할 수 있습니다.
VS Code에 설치하기#
-
VS Code의 확장 프로그램 메뉴로 이동하거나 바로 가기 Ctrl+Shift ⇑+x를 사용한 다음 Ultralytics-snippets를 검색하세요.
-
Install 버튼을 클릭하세요.
VS Code 확장 프로그램 마켓플레이스에서 설치하기#
-
VS Code 확장 프로그램 마켓플레이스를 방문해 Ultralytics-snippets를 검색하거나 VS Code 마켓플레이스의 확장 프로그램 페이지로 바로 이동하세요.
-
Install 버튼을 클릭하고 브라우저에서 VS Code 세션을 실행하도록 허용하세요.
-
안내에 따라 확장 프로그램을 설치하세요.
Ultralytics-Snippets의 Visual Studio Code 확장 프로그램 마켓플레이스 페이지
Ultralytics-Snippets 확장 프로그램 사용하기#
-
지능형 코드 자동 완성: Ultralytics API에 맞춤화된 고급 코드 자동 완성 제안으로 더 빠르고 정확하게 코드를 작성하세요.
-
개발 속도 향상: 미리 작성된 코드 블록 스니펫으로 반복적인 코딩 작업을 없애 시간을 절약하세요.
-
코드 품질 개선: 오류를 줄이고 더 깔끔하고 일관된 코드를 작성하세요.
-
간소화된 워크플로: 일반적인 작업을 자동화해 프로젝트의 핵심 로직에 집중하세요.
개요#
확장 프로그램은 언어 모드가 Python으로 설정된 경우에만 작동합니다. 따라서 다른 파일 형식으로 작업할 때는 스니펫이 삽입되지 않습니다. 모든 스니펫의 접두사는 ultra로 시작합니다. 확장 프로그램을 설치한 후 편집기에 ultra를 입력하면 사용할 수 있는 스니펫 목록이 표시됩니다. 또한 Ctrl+Shift ⇑+p를 사용해 VS Code 명령 팔레트를 열고 Snippets: Insert Snippet 명령을 실행할 수 있습니다.
코드 스니펫 필드#
많은 스니펫에는 기본 플레이스홀더 값이나 이름이 설정된 "필드"가 있습니다. 예를 들어 predict 메서드의 출력은 r, results, detections, preds 또는 개발자가 원하는 다른 이름의 Python 변수에 저장할 수 있으므로 스니펫에는 "필드"가 포함됩니다. 스니펫을 삽입한 후 키보드에서 Tab ⇥를 누르면 커서가 각 필드 사이를 빠르게 이동합니다. 필드를 선택한 상태에서 새 변수 이름을 입력하면 해당 항목뿐 아니라 스니펫 코드에서 해당 변수가 사용된 모든 항목도 변경됩니다!
스니펫을 삽입한 후 model의 이름을 변경하면 world_model 모든 인스턴스가 업데이트됩니다. Tab ⇥을 누르면 다음 필드로 이동합니다. 이때 드롭다운 메뉴가 열려 모델 스케일을 선택할 수 있으며, 다음 필드로 이동하면 world 또는 worldv2 모델 변형을 선택할 수 있는 또 다른 드롭다운이 표시됩니다.
코드 스니펫 자동 완성#
스니펫의 전체 접두사를 입력하거나 접두사의 첫 부분부터 입력할 필요는 없습니다. 아래 이미지에서 예제를 확인하세요.
스니펫 이름은 가능한 한 설명적으로 지정되어 있지만, 그만큼 입력할 내용이 많아져 더 빠르게 작업하려는 목표에 역효과를 낼 수 있습니다. 다행히 VS Code에서는 ultra.example-yolo-predict, example-yolo-predict, yolo-predict 또는 ex-yolo-p만 입력해도 원하는 스니펫 옵션을 찾을 수 있습니다! 원하는 스니펫이 실제로 ultra.example-yolo-predict-kwords라면 키보드 화살표 ↑ 또는 ↓로 원하는 스니펫을 강조 표시한 후 Enter ↵ 또는 Tab ⇥을 눌러 올바른 코드 블록을 삽입하면 됩니다.
ex-yolo-p를 입력해도 올바른 스니펫을 여전히 사용할 수 있습니다.
스니펫 카테고리#
다음은 현재 Ultralytics-snippets 확장 프로그램에서 제공하는 스니펫 카테고리입니다. 앞으로 더 추가될 예정이므로 업데이트를 확인하고 확장 프로그램의 자동 업데이트를 활성화하세요. 누락된 스니펫이 있다면 추가 스니펫을 요청할 수도 있습니다.
| 카테고리 | 시작 접두사 | 설명 |
|---|---|---|
| 예제 | ultra.examples | Ultralytics를 배우거나 시작하는 데 도움이 되는 예제 코드입니다. 예제는 문서 페이지에 있는 코드의 복사본이거나 유사한 코드입니다. |
| 키워드 인수 | ultra.kwargs | 모든 키워드 인수와 기본값이 포함된 train, val, predict, track 메서드 스니펫을 추가해 개발 속도를 높이세요. |
| 가져오기 | ultra.imports | 일반적인 Ultralytics 객체를 빠르게 가져오는 스니펫입니다. |
| 모델 | ultra.yolo | 드롭다운 구성 옵션이 포함된 다양한 모델(yolo, sam, rtdetr 등)을 초기화하는 코드 블록을 삽입합니다. |
| 결과 | ultra.result | 추론 결과 작업을 위한 일반적인 작업의 코드 블록입니다. |
| 유틸리티 | ultra.util | Ultralytics 패키지에 내장된 일반적인 유틸리티에 빠르게 액세스할 수 있습니다. 자세한 내용은 Simple Utilities 페이지를 참조하세요. |
예제로 배우기#
ultra.examples 스니펫은 Ultralytics YOLO 사용 기초를 배우려는 사람에게 매우 유용합니다. 예제 스니펫은 삽입 후 바로 실행할 수 있도록 제공됩니다(일부 스니펫에는 드롭다운 옵션도 있습니다). 이 페이지 상단의 애니메이션에서 예를 볼 수 있습니다. 스니펫을 삽입한 후 모든 코드를 선택하고 Shift ⇑+Enter ↵를 사용해 대화형으로 실행합니다.
이 페이지 상단의 애니메이션에서 보듯이 ultra.example-yolo-predict 스니펫을 사용해 다음 코드 예제를 삽입할 수 있습니다. 삽입 후 구성할 수 있는 유일한 옵션은 모델 스케일이며, 다음 중 하나를 선택할 수 있습니다: n, s, m, l 또는 x.
from ultralytics import ASSETS, YOLO
model = YOLO("yolo26n.pt", task="detect")
results = model(source=ASSETS / "bus.jpg")
for result in results:
print(result.boxes.data)
# result.show() # 각 결과 이미지를 보려면 주석을 해제하세요개발 속도 높이기#
ultra.examples 외의 스니펫은 Ultralytics 작업 시 개발을 더 쉽고 빠르게 수행하도록 도와줍니다. 여러 프로젝트에서 흔히 사용하는 코드 블록은 모델의 predict 메서드가 반환하는 Results 목록을 순회합니다. ultra.result-loop 스니펫이 이 작업에 도움이 됩니다.
ultra.result-loop을 사용하면 다음 기본 코드(주석 포함)가 삽입됩니다.
# reference https://docs.ultralytics.com/modes/predict#working-with-results
for result in results:
result.boxes.data # torch.Tensor array하지만 Ultralytics는 다양한 작업을 지원하므로, 추론 결과를 다룰 때 다른 Results 속성에도 접근하고 싶을 수 있습니다. 이때 스니펫 필드가 유용합니다.
boxes 필드로 탭 이동하면 필요에 따라 다른 속성을 선택할 수 있는 드롭다운 메뉴가 표시됩니다.
키워드 인수#
Ultralytics의 다양한 작업과 모드에는 100개가 넘는 키워드 인수가 있습니다! 기억해야 할 내용이 많다 보니 인수가 save_frame인지 save_frames인지 헷갈리기 쉽습니다(정답은 save_frames입니다). 이럴 때 ultra.kwargs 스니펫이 도움이 됩니다!
모든 추론 인수를 포함한 predict 메서드를 삽입하려면 ultra.kwargs-predict를 사용하세요. 그러면 다음 코드(주석 포함)가 삽입됩니다.
model.predict(
source=src, # (str, optional) 이미지 또는 동영상의 소스 디렉터리
imgsz=640, # (int | list) predict용 입력 이미지 크기(int 또는 list[h,w])
conf=0.25, # (float) 최소 신뢰도 임계값
iou=0.7, # (float) NMS의 교집합 대비 합집합(IoU) 임계값
vid_stride=1, # (int) 동영상 프레임 레이트 스트라이드
stream_buffer=False, # (bool) 입력 프레임을 대기열에 버퍼링(True)하거나 가장 최근 프레임만 유지(False)
visualize=False, # (bool) 클래스 활성화 히트맵 저장
augment=False, # (bool) 예측 소스에 이미지 증강 적용
agnostic_nms=False, # (bool) 클래스 비종속 NMS
classes=None, # (int | list[int], optional) 클래스로 결과 필터링(예: classes=0 또는 classes=[0,2,3])
retina_masks=False, # (bool) 고해상도 세그멘테이션 마스크 사용
embed=None, # (list[int], optional) 지정된 레이어에서 특징 벡터/임베딩 반환
show=False, # (bool) 환경에서 허용하는 경우 예측된 이미지와 동영상 표시
save=True, # (bool) 예측 결과 저장
save_frames=False, # (bool) 예측된 개별 동영상 프레임 저장
save_txt=False, # (bool) 결과를 .txt 파일로 저장
save_conf=False, # (bool) 신뢰도 점수와 함께 결과 저장
save_crop=False, # (bool) 결과가 포함된 잘라낸 이미지 저장
stream=False, # (bool) 생성기를 반환하여 메모리 사용량을 줄인 상태로 긴 동영상 또는 많은 이미지 처리
verbose=True, # (bool) 터미널에서 상세 추론 로그 활성화/비활성화
)이 스니펫에는 모든 키워드 인수의 필드뿐 아니라 코드에서 다른 변수를 사용한 경우를 위한 model 및 src 필드도 있습니다. 키워드 인수가 포함된 각 줄에는 참고할 수 있도록 간단한 설명이 포함되어 있습니다.
모든 코드 스니펫#
사용할 수 있는 스니펫을 확인하는 가장 좋은 방법은 확장 프로그램을 다운로드하고 설치한 후 직접 사용해 보는 것입니다! 먼저 목록을 살펴보고 싶다면 저장소 또는 VS Code 마켓플레이스의 확장 프로그램 페이지를 방문해 사용 가능한 모든 스니펫의 표를 확인하세요.
결론#
VS Code용 Ultralytics-Snippets 확장 프로그램은 데이터 과학자와 머신러닝 엔지니어가 Ultralytics YOLO를 사용해 컴퓨터 비전 애플리케이션을 더 효율적으로 개발하도록 돕습니다. 미리 작성된 코드 스니펫과 예제를 활용하면 상용구 코드 작성 시간을 줄이고 프로젝트 로직에 더 집중할 수 있습니다. 의견을 공유하려면 VS Code 마켓플레이스의 확장 프로그램 페이지를 방문해 리뷰를 남겨 주세요.
자주 묻는 질문#
Ultralytics-Snippets 저장소의 Issues를 통해 새 스니펫을 요청할 수 있습니다.
확장 프로그램은 무료입니다.
VS Code에서는 Ctrl+Space 키 조합을 사용하여 미리보기 창에 표시되는 정보를 더 많이 또는 적게 볼 수 있습니다. 코드 스니펫 접두사를 입력할 때 스니펫 미리보기가 표시되지 않는다면 이 키 조합을 사용하여 미리보기를 다시 표시할 수 있습니다.
VS Code를 사용하면서 Ultralytics-snippets 확장 프로그램 설치를 요청하는 메시지가 표시되기 시작했으며 더 이상 이 메시지를 보고 싶지 않다면, 메시지를 비활성화하는 방법은 두 가지입니다.
-
Ultralytics-snippets를 설치하면 이 메시지가 더 이상 표시되지 않습니다.
-
확장 프로그램을 설치하지 않고
yolo settings vscode_msg=False을 사용하여 메시지가 표시되지 않도록 설정할 수 있습니다. 익숙하지 않다면 Ultralytics 설정 페이지에서 자세히 알아보세요.
-
Ultralytics-snippets 저장소를 방문하여 Issue 또는 Pull Request를 열어주세요!
다른 VS Code 확장 프로그램과 마찬가지로 VS Code의 Extensions 메뉴에서 제거할 수 있습니다. 메뉴에서 Ultralytics-snippets 확장 프로그램을 찾아 톱니바퀴 아이콘(⚙)을 클릭한 다음 "Uninstall"을 클릭하여 확장 프로그램을 제거하세요.
댓글3
질문을 하거나 결과를 공유하거나 다른 사람을 도와주세요.
Hugofox07
Hi, I'm new to YOLO, but I'd like to know how to program it directly from VS Code instead of Google Colab. Does anyone have any videos with simple examples of how to display an image, or even a video on YOLO detection? Thanks for the help.
Glenn JocherUltralyticsThanks for posting here—yes, you can run Ultralytics YOLO locally in VS Code; install the package, then use these minimal examples, and the VS Code Snippets extension lets you insert
ultra.example-yolo-predictto get a runnable template (the extension page linked above has a short walkthrough video); for setup see the Install Ultralytics guide and for options see the Predict mode guide.pip install ultralyticsfrom ultralytics import YOLO # Image model = YOLO("yolo11n.pt", task="detect") model.predict(source="path/to/image.jpg", show=True) # Video model.predict(source="path/to/video.mp4", show=True, save=True)See Install Ultralytics and the Predict mode guide; drop any follow-ups here so the team can see them.
1Hugofox07
Thanks very much , for your help. thanks dude.