On Premise#
On Premise을(를) 사용하면 Enterprise 워크스페이스가 Linux, macOS 또는 Windows 컴퓨터에서 데이터셋과 연산을 사용할 수 있습니다. 소스 이미지와 비디오는 사용자의 컴퓨터에 유지됩니다. 트레이닝은 다른 remote training 위치와 동일하게 작동합니다. 메트릭은 Platform으로 실시간 스트리밍되며, 완료된 모델 가중치는 다운로드, 예측, 내보내기 및 배포를 위해 업로드됩니다.
설정은 하나의 명령어로 완료됩니다. Platform은 운영 체제를 감지하고 적절한 폴더 위치를 입력하며, 필요한 경우 Docker를 설치하고 실시간 연결 진행 상황을 보여줍니다.
작동 원리#
flowchart LR
A[Your browser] <-->|Interface, labels, and progress| B[Ultralytics Platform]
A <-->|Dataset previews| C[Your On Premise computer]
B <-->|Jobs, metrics, and model weights| C
C --- D[(Dataset folder)]
C --- E[(Models folder)]데이터 경계#
| 데이터 | 귀하의 On Premise 컴퓨터 | Platform 및 클라우드 서비스 |
|---|---|---|
| 원본 및 파생 데이터셋 픽셀 | 수집, 미리보기 및 학습을 위해 로컬 상태 유지 | 저장, 기록 또는 처리되지 않음 |
| 클래스, 라벨 및 어노테이션 | 원본 라벨은 수집 중에 읽힘 | Platform에서 어노테이션을 수행할 수 있도록 정식 데이터셋 메타데이터로 저장됨 |
| 모델 학습 | 실행 기록, 베스트 체크포인트 및 기타 학습 아티팩트는 모델 폴더에 기록됨 | 베스트 체크포인트는 다운로드, 예측, 내보내기 및 배포를 위해 업로드되며, 기타 아티팩트는 귀하의 컴퓨터에 남음 |
모델 가중치, 라벨, 어노테이션 및 메트릭은 이미지로부터 학습된 정보를 인코딩할 수 있습니다. 데이터셋 픽셀만이 엄격한 로컬 전용 경계를 가집니다. 클라우드 예측은 별도로 제출한 이미지만을 처리하며, 워커는 마운트된 데이터셋의 이미지를 외부로 전달하지 않습니다.
시작하기 전에#
데이터셋에 접근할 수 있고 Platform이 사용하는 동안 전원이 켜져 있는 Linux 컴퓨터, Apple silicon Mac 또는 64비트 Windows 컴퓨터를 선택합니다. 데이터셋, 모델 실행 및 Docker 이미지를 위한 충분한 여유 저장공간을 확보하고, 컴퓨터가 아웃바운드 HTTPS 연결을 맺을 수 있는지 확인합니다.
GPU는 선택 사항입니다. 모든 컴퓨터는 CPU에서 데이터셋을 수집하고 모델을 학습할 수 있습니다. 호환되는 NVIDIA GPU를 사용하면 더 큰 학습 작업을 가속화할 수 있습니다.
회사에서 아웃바운드 트래픽을 제한하는 경우, 설정 전에 Ultralytics Platform, Docker 레지스트리 및 Python 패키지 다운로드에 대한 HTTPS 액세스를 허용하십시오.
컴퓨터 연결#
- 데이터셋에 액세스할 수 있는 컴퓨터에서 Ultralytics Platform을(를) 엽니다.
Settings > Integrations(으)로 이동하여 통합 목록에서 On Premise을(를) 선택합니다.- 미리 채워진 Dataset folder on this machine 및 Models folder on this machine 경로를 검토합니다.
- Create install command를 선택하십시오.
- 대화 상자에 지정된 터미널을 열고 명령어를 복사하여 붙여넣은 뒤 Enter를 누르십시오.
- 진행 표시기에 Connected가 표시될 때까지 Integrations 페이지를 닫지 않고 유지합니다.
Platform은 명령어를 복사하기 전에 폴더와 일회용 연결 토큰을 자동으로 채웁니다. 생성된 명령어는 아래 형식을 따릅니다:
Terminal을 열고 다음을 붙여넣으십시오:
curl -fsSL 'https://platform.ultralytics.com/api/workers/install?os=linux' \
| sudo sh -s -- \
"/datasets" \
"/models" \
"YOUR_CONNECTION_TOKEN"Platform은 연결 토큰을 자동으로 포함합니다. 이 토큰은 컴퓨터가 워크스페이스에 연결할 수 있음을 증명하며, 10분 후 만료되고 1회만 사용 가능합니다. 별도로 입력할 필요는 없습니다. 유효한 동안에는 생성된 명령어를 공유하지 마십시오.
기본 설정은 수정 없이도 작동합니다:
| Linux | macOS 및 Windows | |
|---|---|---|
| Dataset folder | /datasets | ~/Ultralytics/datasets |
| Models folder | /models | ~/Ultralytics/models |
설정 명령어는 이 폴더들을 생성하고, 필요 시 Docker를 설치 및 시작하며, 컴퓨터 재시작 시 연결이 다시 시작되도록 구성합니다. 운영 체제에 따라 설정 완료 전에 설치 승인이나 재시작을 요청할 수 있습니다.
Docker 베이스 이미지#
설치 프로그램은 하나의 컨테이너를 실행하고 호스트용 official Ultralytics base image을(를) 선택합니다:
| 호스트 | 베이스 이미지 패턴 |
|---|---|
| Apple silicon 또는 ARM64 Linux | ultralytics/ultralytics:<version>-arm64 |
| x86-64 CPU | ultralytics/ultralytics:<version>-cpu |
| 지원되는 NVIDIA GPU를 탑재한 x86-64 | ultralytics/ultralytics:<version> |
설치 프로그램은 호스트를 위해 버전이 고정된 공식 이미지를 선택합니다. 워커는 Ultralytics를 다시 설치하지 않고 연결 의존성을 추가합니다. 설정 중에 CUDA를 감지하므로 NVIDIA 호스트는 별도의 CPU 및 GPU 워커 대신 하나의 컨테이너만 실행합니다. 최적의 체크포인트가 업로드된 후 Platform의 클라우드 서비스가 모델 예측과 내보내기를 처리합니다.
CPU 설정은 안내된 설치 과정 외에 별도의 작업이 필요하지 않습니다. Linux 환경에서 NVIDIA GPU 가속을 사용하려면 Docker >= 28.2 및 NVIDIA Container Toolkit >= 1.18이 필요합니다. 설치 프로그램은 레거시 --gpus all 대신 CDI --device 예약 방식을 사용하여 호스트 데몬이 재시작되어도 GPU 액세스가 유지됩니다. Windows의 Docker Desktop은 해당 환경에서 NVIDIA CDI 장치를 사용할 수 없으므로 지원되는 NVIDIA 장치 예약을 사용합니다. 플랫폼은 지원되는 GPU 경로를 자동으로 감지하며, 설정에 대한 자세한 내용은 Docker Quickstart Guide를 참조하세요.
데이터셋 추가#
- 데이터셋을 구성된 데이터셋 폴더 안에 넣으십시오.
- Platform에서 New Dataset > On Premise를 선택합니다.
- 연결된 컴퓨터를 선택하십시오.
- 데이터셋 폴더로 이동하여 태스크를 선택하고 Create를 선택하십시오.
Platform은 로컬에서 데이터셋을 인덱싱하고, 업로드 및 클라우드 스토리지 데이터셋에 사용되는 것과 동일한 갤러리에서 이를 엽니다. 픽셀을 업로드하지 않고도 이미지를 미리 보고, 라벨을 검사하고, 데이터셋을 필터링하고, 어노테이션을 수행할 수 있습니다.
지원되는 데이터#
On Premise는 업로드된 데이터와 동일한 수집 형식 및 컴퓨터 비전 태스크를 지원합니다:
- 이미지 및 비디오
- ZIP, TAR, TAR.GZ 및 TGZ 아카이브
- Ultralytics NDJSON 및 COCO JSON
- YOLO 데이터셋 및 분류 폴더
- Detect, segment, pose, oriented bounding box (OBB) 및 classify 태스크
Platform은 일반적인 데이터셋 레이아웃, 클래스, 라벨 및 train/validation/test 분할을 자동으로 인식합니다. Platform은 소스 파일을 읽기 전용으로 처리하며, 결코 크기를 조정하거나 인코딩을 변경하거나 편집하거나 삭제하지 않습니다.
미리보기 및 어노테이션#
이미지를 열면 브라우저가 연결된 컴퓨터에서 직접 로드합니다. 인증서, 호스트 이름, VPN 또는 미리보기 구성이 필요하지 않습니다.
어노테이션과 데이터셋 구성은 Platform 워크스페이스에 저장되지만, Platform 내에서의 편집 작업이 소스 이미지나 라벨 파일을 변경하지는 않습니다.
모델 학습#
일반적인 Platform 학습 대화 상자를 통해 학습을 시작하십시오:
- 프로젝트를 열고 New Model을 선택합니다.
- On Premise 데이터셋을 선택하십시오.
- 모델과 학습 설정을 선택하십시오.
- 학습을 시작하십시오.
Platform은 연결된 컴퓨터에서 작업을 실행합니다. 가용한 NVIDIA GPU를 사용하거나 자동으로 CPU로 전환하므로, Mac에서도 전용 GPU 하드웨어 없이 COCO8에서 YOLO26n과 같은 작은 모델을 학습할 수 있습니다.
학습 파일은 실행 중에 구성된 모델 폴더에 기록됩니다. Ultralytics 패키지는 고객 관리 머신과 동일한 원격 학습 콜백을 사용합니다. 즉, 진행 상황과 메트릭이 Platform으로 스트리밍되고, 베스트 체크포인트는 Platform 스토리지로 업로드되며, 완료된 모델은 기존의 다운로드, 예측, 내보내기 및 배포 경로와 연동됩니다. 기타 학습 아티팩트는 귀하의 모델 폴더에 남습니다. On Premise 학습은 Platform 컴퓨팅 크레딧을 사용하지 않으며, Platform은 학습 작업을 클라우드 컴퓨팅으로 전송하지 않습니다.
연결 관리#
Settings > Integrations을(를) 열어 컴퓨터와 해당 CPU 또는 GPU를 사용할 수 있는지 확인합니다. 액세스를 새로 고치기 위해 다시 연결하거나, 더 이상 필요하지 않을 때 연결을 해제할 수 있습니다.
연결을 끊으면 새로운 작업과 미리보기는 차단되지만, 컴퓨터의 데이터셋이나 원본 파일은 삭제되지 않습니다. 업로드된 모델은 Platform에서 계속 사용할 수 있습니다.
설정이 완료되지 않을 경우#
- Docker가 권한을 요청하는 경우: 프롬프트를 승인하고 Docker가 시작될 때까지 기다리십시오. 설정이 자동으로 계속됩니다.
- Windows에서 재시작을 요청하는 경우: 컴퓨터를 재시작하고
Settings > Integrations(으)로 돌아간 다음 새 설치 명령어를 생성합니다. - 설정 명령어가 만료된 경우: 새 설치 명령어를 생성하십시오. 각 명령어는 일시적이며 1회만 작동합니다.
- 연결이 오프라인 상태로 유지되는 경우: Docker Desktop을 열고 새로 생성된 명령어를 다시 실행한 뒤, On Premise가 실행 중임을 알릴 때까지 터미널을 열어 두십시오.
- 미리보기가 로드되지 않는 경우: 연결된 컴퓨터의 브라우저에서 Platform을 엽니다. 데이터셋 미리보기는 해당 컴퓨터에서 직접 제공됩니다.
Datasets, Annotation 및 Training도 참조하세요.