On Premise#

On Premise를 사용하면 Enterprise 워크스페이스에서 Linux, macOS 또는 Windows 컴퓨터의 데이터셋과 컴퓨팅을 사용할 수 있습니다. 소스 이미지와 동영상은 컴퓨터에 그대로 유지됩니다. 학습은 다른 원격 학습 위치와 동일하게 작동합니다. 메트릭은 Platform으로 스트리밍되고 학습이 완료된 모델 가중치는 다운로드, 예측, 내보내기 및 배포를 위해 업로드됩니다.

설정에는 명령어 하나만 필요합니다. Platform은 운영 체제를 감지하고, 적절한 폴더 위치를 입력하며, 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, 라벨, 어노테이션 및 메트릭에는 이미지에서 학습한 정보가 포함될 수 있습니다. 데이터셋 픽셀에만 엄격한 로컬 전용 경계가 적용됩니다. 클라우드 예측은 사용자가 별도로 해당 클라우드 워크플로에 제출한 이미지만 처리하며, 워커는 마운트된 데이터셋의 이미지를 외부로 전달하지 않습니다.

시작하기 전에#

데이터셋에 접근할 수 있고 Platform이 데이터셋을 사용하는 동안 전원이 켜져 있는 컴퓨터를 선택합니다:

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

컴퓨터 연결#

1. 데이터셋에 액세스할 수 있는 컴퓨터에서 Ultralytics Platform을 엽니다.
2. Settings > Integrations으로 이동하고 통합 목록에서 On Premise를 선택합니다.
3. 미리 입력된 이 컴퓨터의 데이터셋 폴더 및 이 컴퓨터의 모델 폴더 경로를 검토합니다.
4. 설치 명령 생성을 선택합니다.
5. 대화 상자에 표시된 터미널을 열고 명령어를 복사하여 붙여넣은 다음 Enter 키를 누릅니다.
6. 진행률 표시기에 연결됨이 표시될 때까지 통합 페이지를 열어 둡니다.

페이지에는 명령 실행, 워커 파일 다운로드, Docker 이미지 다운로드, 워커 빌드, 워커 시작 및 연결 확인이라는 6가지 설정 단계가 실시간으로 표시되므로 터미널을 확인하지 않고도 진행 상황을 확인할 수 있습니다. 호스트를 연결하려면 워크스페이스 편집자 역할과 활성 Enterprise 플랜이 필요합니다. 다른 플랜의 워크스페이스에는 설치 명령 대신 안내에 따른 On Premise 워크스루를 요청하는 계속 버튼이 표시됩니다.

명령어를 복사하기 전에 Platform이 폴더와 일회성 연결 토큰을 입력합니다. 생성된 명령어의 형식은 다음과 같습니다:

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

기본값은 수정하지 않고 사용할 수 있습니다:

설정 명령어는 이 폴더를 생성하고, 필요한 경우 Docker를 설치 및 시작하며, 컴퓨터를 다시 시작할 때 연결이 재시작되도록 구성합니다. 설정을 완료하기 전에 운영 체제에서 설치 또는 재시작을 승인하도록 요청할 수 있습니다.

Docker 기본 이미지#

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

설치 프로그램은 호스트에 맞게 버전이 고정된 공식 이미지를 선택합니다. 워커는 Ultralytics를 다시 설치하지 않고 연결에 필요한 종속성을 추가합니다. 설정 중 CUDA를 감지하므로 NVIDIA 호스트에서도 CPU 워커와 GPU 워커를 별도로 실행하지 않고 컨테이너 하나만 실행합니다. 최적 체크포인트가 업로드된 후 모델 예측 및 내보내기는 Platform의 클라우드 서비스에서 처리합니다.

데이터셋 추가#

1. 구성된 데이터셋 폴더 안에 데이터셋을 저장합니다.
2. Platform에서 새 데이터셋 > On Premise를 선택합니다.
3. 연결된 컴퓨터를 선택합니다.
4. 데이터셋 폴더로 이동하여 작업을 선택한 다음 생성을 선택합니다.

Platform은 데이터셋을 로컬에서 인덱싱하고 업로드된 데이터셋 및 클라우드 스토리지 데이터셋에 사용하는 동일한 갤러리에서 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 작업을 지원합니다:

• 이미지 및 동영상
• ZIP, TAR, TAR.GZ 및 TGZ 아카이브
• Ultralytics NDJSON 및 COCO JSON
• YOLO 데이터셋 및 분류 폴더
• Detect, segment, semantic, classify, pose 및 방향성 바운딩 박스 (OBB) 작업

Platform은 일반적인 데이터셋 레이아웃, 클래스, 라벨 및 train/validation/test 분할을 자동으로 인식합니다. 데이터셋 폴더는 읽기 전용으로 마운트되므로 Platform은 소스 파일의 크기를 조정하거나, 다시 인코딩하거나, 편집하거나, 삭제하지 않습니다. 수집 중에 파생되는 모든 항목(압축 해제된 아카이브, 다운로드된 NDJSON 에셋 및 동영상 프레임)은 동일한 컴퓨터의 비공개 Docker 볼륨에 기록됩니다.

미리보기 및 어노테이션#

이미지를 열면 브라우저가 연결된 컴퓨터에서 이미지를 직접 로드합니다. 인증서, 호스트 이름, VPN 또는 미리보기 구성은 필요하지 않습니다.

어노테이션 및 데이터셋 구성은 Platform 워크스페이스에 저장되지만, Platform에서의 편집이 소스 이미지 또는 라벨 파일을 변경하지는 않습니다.

모델 학습#

일반적인 Platform 학습 대화 상자를 통해 학습을 시작합니다:

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

Platform은 연결된 컴퓨터에서 작업을 실행합니다. 사용 가능한 NVIDIA GPU를 사용하거나 자동으로 CPU로 전환하므로, 전용 GPU 하드웨어가 없어도 Mac에서 COCO8의 YOLO26n과 같은 소형 모델을 학습할 수 있습니다.

학습 파일은 실행 중에 구성된 모델 폴더에 기록됩니다. Ultralytics 패키지는 고객이 관리하는 다른 컴퓨터와 동일한 원격 학습 콜백을 사용합니다. 진행 상황과 메트릭은 Platform으로 스트리밍되고, 최적 체크포인트는 Platform 스토리지에 업로드되며, 완료된 모델은 기존의 다운로드, 예측, 내보내기 및 배포 경로에서 사용할 수 있습니다. 다른 학습 아티팩트는 모델 폴더에 유지됩니다. On Premise 학습은 Platform 컴퓨팅 크레딧을 사용하지 않으며, Platform은 학습 작업을 클라우드 컴퓨팅으로 전송하지 않습니다.

연결 관리#

Settings > Integrations을 열어 연결된 각 컴퓨터, 호스트 이름과 하드웨어, CPU 및 GPU의 현재 온라인 여부를 확인합니다. 호스트는 지속적으로 상태를 보고하므로 컴퓨터가 종료되거나 연결이 끊기면 오프라인으로 표시되며 해당 데이터셋은 클라우드 컴퓨팅으로 전환되지 않고 일시적으로 사용할 수 없게 됩니다.

다시 연결은 이전에 연결을 끊은 호스트에 대한 새 설치 명령어를 발급합니다. 동일한 호스트 레코드를 재사용하므로 기존 데이터셋을 다시 가져오지 않고도 계속 사용할 수 있습니다.

연결 해제는 해당 호스트의 액세스 권한을 즉시 취소합니다. 해당 호스트에 연결된 대기 중, 시작 중 및 실행 중인 작업이 취소되며, 진행 중인 학습도 포함됩니다. 아직 가져오는 중인 데이터셋은 On Premise host disconnected during ingest. Datasets로 실패합니다. 가져오기가 완료된 데이터셋은 클래스, 라벨 및 어노테이션을 유지하지만 다시 연결할 때까지 미리 보거나 학습에 사용할 수 없습니다. 컴퓨터의 어떤 항목도 삭제되지 않으며 Platform에 이미 업로드된 모델은 계속 사용할 수 있습니다.

현재 제한 사항#

• 다시 스캔하지 않습니다. 데이터셋은 생성할 때 한 번 인덱싱됩니다. 이후 소스 파일이 변경되어도 Platform은 이를 감지하지 않으므로 변경 사항을 반영하려면 새 데이터셋을 생성합니다.
• Platform 복사 기능을 사용할 수 없습니다. On Premise 데이터셋에서는 이미지의 Platform 관리 복사본이 필요한 기능인 자동 어노테이션, 클러스터링 분석, 데이터셋 복제 및 변경할 수 없는 버전 스냅샷을 사용할 수 없습니다.
• 학습은 이동되지 않습니다. 워커 프로세스가 실행 중간에 중지되면 다른 위치에서 다시 시작되지 않고 실행이 실패합니다.
• 모델 파일은 호스트에 유지됩니다. Platform에서 모델을 삭제하거나 휴지통으로 이동해도 Platform에서만 삭제되며 모델 폴더에서는 삭제되지 않습니다. 실행이 더 이상 필요하지 않을 때는 해당 폴더를 직접 정리하십시오.

On Premise 데이터셋 또는 해당 데이터셋의 개별 이미지를 삭제하면 Platform의 참조와 어노테이션만 제거됩니다. 사용자의 파일에는 어떤 작업도 수행되지 않습니다.

설정이 완료되지 않는 경우#

• Docker에서 권한을 요청하는 경우: 메시지를 승인하고 Docker가 시작될 때까지 기다립니다. 설정은 자동으로 계속됩니다.
• Windows에서 다시 시작하라는 메시지가 표시됩니다: 컴퓨터를 다시 시작하고 Settings > Integrations으로 돌아가 새 설치 명령을 생성합니다.
• 설정 명령이 만료되었습니다: 새 설치 명령을 생성합니다. 각 명령은 임시로 생성되며 한 번만 작동합니다.
• 연결이 계속 오프라인 상태입니다: Docker Desktop을 열고 새로 생성한 명령을 다시 실행한 다음, On Premise가 실행 중이라고 보고할 때까지 터미널을 열어 둡니다.
• 미리 보기가 로드되지 않습니다: 연결된 컴퓨터의 브라우저에서 Platform을 엽니다. 데이터셋 미리 보기는 해당 컴퓨터에서 직접 가져옵니다.
• 워커 로그가 필요합니다: 설치 프로그램은 Linux에서 /opt/ultralytics-worker에 기록하고, macOS 및 Windows에서는 ~/.ultralytics/worker에 기록합니다. 해당 폴더에서 docker compose logs -f를 실행하여 워커를 추적합니다.

데이터셋, 주석, 학습도 참조하시기 바랍니다.

FAQ#