온프레미스#

온프레미스를 사용하면 Enterprise 워크스페이스에서 Linux, macOS 또는 Windows 컴퓨터의 데이터셋과 컴퓨팅 리소스를 사용할 수 있습니다. 소스 이미지와 동영상은 컴퓨터에 그대로 유지됩니다. 학습 방식은 다른 원격 학습 위치와 동일합니다. 메트릭은 Platform으로 스트리밍되고, 완료된 모델 가중치는 다운로드, 예측, 내보내기 및 배포를 위해 업로드됩니다.

설정은 명령어 하나로 완료됩니다. Platform은 운영 체제를 감지하고 적절한 폴더 위치를 지정하며, 필요한 경우 Docker를 설치하고 실시간 연결 진행 상황을 표시합니다.

작동 방식#

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#

모델 가중치, 레이블, 어노테이션 및 메트릭에는 이미지에서 학습한 정보가 포함될 수 있습니다. 데이터셋 픽셀에만 엄격한 로컬 전용 경계가 적용됩니다. 클라우드 예측은 해당 클라우드 워크플로에 별도로 제출한 이미지만 처리하며, 워커는 마운트된 데이터셋의 이미지를 전송하지 않습니다.

시작하기 전에#

데이터셋에 액세스할 수 있고 Platform에서 사용하는 동안 전원이 켜져 있는 컴퓨터를 선택하세요.

GPU는 선택 사항입니다. 모든 컴퓨터에서 데이터셋을 수집하고 CPU로 모델을 학습할 수 있습니다. 호환되는 NVIDIA GPU를 사용하면 대규모 학습 작업을 가속할 수 있습니다.

컴퓨터 연결#

1. 데이터셋에 액세스할 수 있는 컴퓨터에서 Ultralytics Platform을 여세요.
2. Settings > Integrations으로 이동한 다음 통합 목록에서 On Premise를 선택하세요.
3. 미리 입력된 이 컴퓨터의 데이터셋 폴더 및 이 컴퓨터의 모델 폴더 경로를 확인하세요.
4. 설치 명령 생성을 선택하세요.
5. 대화상자에 표시된 터미널을 열고 명령어를 복사해 붙여넣은 다음 Enter 키를 누르세요.
6. 진행률 표시기에 Connected가 표시될 때까지 Integrations 페이지를 열어 두세요.

페이지에는 명령어 실행, 워커 파일 다운로드, Docker 이미지 다운로드, 워커 빌드, 워커 시작, 연결 확인의 6가지 설정 단계가 실시간으로 표시되므로 터미널을 읽지 않고도 진행 상황을 확인할 수 있습니다. 호스트를 연결하려면 워크스페이스 편집자 역할과 활성 Enterprise 플랜이 필요합니다. 다른 플랜을 사용하는 워크스페이스에는 데모 요청 버튼이 표시되며, 이 버튼을 누르면 설치 명령이 생성되는 대신 Enterprise 데모 요청이 전송됩니다.

명령어를 복사하기 전에 Platform이 폴더 경로와 일회용 연결 토큰을 입력합니다. 생성되는 명령어는 다음 형식을 따릅니다.

curl -fsSL 'https://platform.ultralytics.com/api/workers/install?os=linux' \
  | sudo sh -s -- \
    "/datasets" \
    "/models" \
    "YOUR_CONNECTION_TOKEN"

기본 설정은 수정하지 않고 그대로 사용할 수 있습니다.

설정 명령어는 이 폴더들을 생성하고, 필요한 경우 Docker를 설치 및 시작하며, 컴퓨터를 다시 시작할 때 연결이 자동으로 재시작되도록 설정합니다. 설정을 완료하기 전에 운영 체제에서 설치를 승인하거나 재시작하라는 메시지가 표시될 수 있습니다.

Docker 기본 이미지#

설치 프로그램은 컨테이너 하나를 실행하고 호스트에 맞는 공식 Ultralytics 기본 이미지를 선택합니다.

워커 빌드에서는 연결에 필요한 종속 항목을 추가하고 이미지의 Ultralytics 패키지를 최신 버전으로 업데이트합니다. 설정 중 CUDA를 감지하므로 NVIDIA 호스트에서도 CPU 및 GPU 워커를 별도로 실행하지 않고 컨테이너 하나만 실행합니다. 최적 체크포인트가 업로드된 후 모델 예측 및 내보내기는 Platform의 클라우드 서비스에서 처리합니다.

데이터셋 추가#

1. 데이터셋을 설정된 데이터셋 폴더에 넣으세요.
2. Platform에서 새 데이터셋 > On Premise를 선택하세요.
3. 연결된 컴퓨터를 선택하세요.
4. 데이터셋 폴더를 찾아 작업을 선택한 다음 생성을 선택하세요.

Platform은 데이터셋을 로컬에서 인덱싱한 후 업로드된 데이터셋 및 클라우드 스토리지 데이터셋과 동일한 갤러리에서 엽니다. 픽셀을 업로드하지 않고도 이미지를 미리 보고, 레이블을 확인하고, 데이터셋을 필터링하고, 어노테이션할 수 있습니다.

지원되는 데이터#

On Premise는 업로드된 데이터와 동일한 수집 형식 및 컴퓨터 비전 작업을 지원합니다.

• 이미지 및 동영상
• ZIP, TAR, TAR.GZ 및 TGZ 아카이브
• Ultralytics 및 Labelbox NDJSON, COCO JSON 및 LabelMe JSON
• YOLO 데이터셋 및 분류 폴더
• 탐지, 세그먼테이션, 시맨틱, 분류, 포즈 및 방향성 바운딩 박스(OBB) 작업

Platform은 일반적인 데이터셋 레이아웃, 클래스, 레이블 및 train/validation/test 분할을 자동으로 인식합니다. 데이터셋 폴더는 읽기 전용으로 마운트되므로 Platform은 소스 파일의 크기를 조정하거나, 다시 인코딩하거나, 편집하거나, 삭제하지 않습니다. 아카이브 압축 해제, NDJSON 에셋 다운로드, 비디오 프레임 추출 등 수집 과정에서 파생되는 데이터는 모두 같은 컴퓨터의 비공개 Docker 볼륨에 기록됩니다.

미리 보기 및 어노테이션#

이미지를 열면 브라우저가 연결된 컴퓨터에서 이미지를 직접 불러옵니다. 인증서, 호스트 이름, VPN 또는 미리 보기 설정은 필요하지 않습니다.

어노테이션 및 데이터셋 구성은 Platform 워크스페이스에 저장되지만, Platform에서 수행한 편집은 소스 이미지나 레이블 파일을 변경하지 않습니다.

모델 학습#

일반적인 Platform 학습 대화상자를 통해 학습을 시작하세요.

1. 프로젝트를 열고 새 모델을 선택하세요.
2. On Premise 데이터셋을 선택하세요.
3. 모델과 학습 설정을 선택하세요.
4. 학습을 시작하세요.

Platform은 연결된 컴퓨터에서 작업을 실행합니다. 사용 가능한 NVIDIA GPU를 사용하고, GPU가 없으면 자동으로 CPU를 사용합니다. 따라서 Mac에서도 전용 GPU 하드웨어 없이 COCO8에서 YOLO26n과 같은 소규모 모델을 학습할 수 있습니다.

실행 중에는 학습 파일이 설정된 모델 폴더에 기록됩니다. Ultralytics 패키지는 고객이 관리하는 다른 머신과 동일한 원격 학습 콜백을 사용합니다. 진행 상황 및 메트릭은 Platform으로 스트리밍되고, 최적 체크포인트는 Platform 스토리지에 업로드되며, 학습이 완료된 모델은 기존 다운로드, 예측, 내보내기 및 배포 경로를 사용할 수 있습니다. 기타 학습 아티팩트는 모델 폴더에 유지됩니다. On Premise 학습은 Platform 컴퓨팅 크레딧을 사용하지 않으며, Platform은 학습 작업을 클라우드 컴퓨팅으로 보내지 않습니다.

연결 관리#

Settings > Integrations을 열어 각 컴퓨터와 호스트 이름 및 하드웨어, CPU와 GPU의 온라인 여부, 마지막 보고 시간을 확인할 수 있습니다. 컴퓨터가 종료되었거나 연결이 끊기면 마지막 확인 정보와 함께 오프라인으로 표시되며, 클라우드 컴퓨팅으로 전환되는 대신 해당 컴퓨터의 데이터셋을 일시적으로 사용할 수 없게 됩니다. 워커는 Docker와 함께 시작되며 컴퓨터가 다시 온라인 상태가 되면 자동으로 다시 연결됩니다. 명령을 다시 실행할 필요가 없습니다.

워커는 자동으로 업데이트됩니다. 컨테이너가 시작될 때마다, 그리고 유휴 상태에서 10분마다 Platform에서 최신 워커 코드를 다운로드하고 해당 코드로 재시작합니다. 작업 중에는 재시작하지 않습니다. 자동 업데이트 기능이 제공되기 전에 연결된 컴퓨터는 새 설치 명령을 한 번 실행하면 업데이트를 시작합니다.

연결된 컴퓨터에서 설치 명령을 다시 실행하여 폴더를 변경하거나 Docker 이미지를 새로 고치세요. 컴퓨터는 동일한 호스트를 유지하므로 데이터셋은 계속 작동하며 중복 호스트가 생성되지 않습니다.

컴퓨터당 하나의 워크스페이스만 사용합니다. 컴퓨터는 워커 하나를 실행합니다. 다른 워크스페이스에서 설치 명령을 실행하면 컴퓨터가 해당 워크스페이스로 이동하고, 기존 워크스페이스의 호스트 연결은 끊어집니다.

다시 연결하면 연결이 끊긴 호스트에 대한 새 설치 명령이 생성됩니다. 해당 호스트를 제공할 컴퓨터에서 명령을 실행하면 데이터셋을 다시 가져오지 않아도 기존 데이터셋을 사용할 수 있습니다. 연결이 끊긴 호스트는 데이터셋이나 모델이 계속 참조하는 동안에만 목록에 표시됩니다.

연결 해제하면 해당 호스트의 액세스 권한이 즉시 취소됩니다. 해당 호스트에 연결된 대기 중, 시작 중, 실행 중인 작업은 진행 중인 학습을 포함해 취소되며, 아직 가져오기가 완료되지 않은 데이터셋은 가져오기에 실패합니다(On Premise host disconnected during ingest. 데이터셋). 가져오기가 완료된 데이터셋은 클래스, 라벨, 어노테이션을 유지하지만 호스트를 다시 연결할 때까지 미리 보거나 학습에 사용할 수 없습니다. 컴퓨터의 파일은 삭제되지 않으며, 이미 Platform에 업로드한 모델은 계속 사용할 수 있습니다.

현재 제한 사항#

• 다시 스캔하지 않습니다. 데이터셋은 생성할 때 한 번 색인됩니다. 이후 원본 파일이 변경되어도 Platform은 이를 감지하지 않습니다. 변경 사항을 반영하려면 새 데이터셋을 만드세요.
• Platform에 복사본을 저장하는 기능은 사용할 수 없습니다. 온프레미스 데이터셋에서는 이미지의 Platform 소유 복사본이 필요한 기능, 즉 자동 어노테이션, 클러스터링 분석, 데이터셋 복제, 불변 버전 스냅샷을 사용할 수 없습니다.
• 학습은 다른 곳으로 이동하지 않습니다. 실행 도중 워커 프로세스가 중지되면 다른 곳에서 다시 시작되는 대신 실행이 실패합니다.
• 모델 파일은 호스트에 남아 있습니다. Platform에서 모델을 삭제하거나 휴지통으로 이동하면 Platform에서만 제거되며 모델 폴더에서는 삭제되지 않습니다. 실행이 더 이상 필요하지 않으면 해당 폴더를 직접 정리하세요.

온프레미스 데이터셋이나 해당 데이터셋의 개별 이미지를 삭제하면 Platform의 참조 및 어노테이션만 제거됩니다. 파일에는 영향을 주지 않습니다.

설정이 완료되지 않는 경우#

• Docker에서 권한을 요청하는 경우: 메시지를 승인하고 Docker가 시작될 때까지 기다리세요. 설정이 자동으로 계속됩니다.
• Windows에서 재시작을 요청하는 경우: 컴퓨터를 재시작하고 Settings > Integrations으로 돌아간 다음 새 설치 명령을 만드세요.
• 설정 명령이 만료된 경우: 새 설치 명령을 만드세요. 각 명령은 임시로 발급되며 한 번만 사용할 수 있습니다.
• 다른 컴퓨터에서 이미 이 호스트를 다시 연결한 경우: 다른 컴퓨터가 동일한 호스트에 대한 다시 연결 명령을 먼저 실행했습니다. 이 컴퓨터용 새 설치 명령을 만드세요.
• 연결 상태가 계속 오프라인으로 표시되는 경우: Docker Desktop을 열고 새로 생성한 명령을 다시 실행한 다음, 터미널에 온프레미스가 실행 중이라고 표시될 때까지 터미널을 열어 두세요.
• 미리 보기가 로드되지 않는 경우: 연결된 컴퓨터의 브라우저에서 Platform을 여세요. 데이터셋 미리 보기는 해당 컴퓨터에서 직접 제공됩니다.
• 워커 로그가 필요한 경우: 설치 프로그램은 Linux에서는 /opt/ultralytics-worker에, macOS와 Windows에서는 ~/.ultralytics/worker에 로그를 기록합니다. 해당 폴더에서 docker compose logs -f를 실행하면 워커 로그를 확인할 수 있습니다.

데이터셋, 어노테이션, 학습도 참조하세요.

자주 묻는 질문#