Ultralytics Platform 퀵스타트

Ultralytics Platform은 사용자 친화적이고 직관적으로 설계되어, 사용자가 데이터셋을 빠르게 업로드하고 새로운 YOLO 모델을 학습할 수 있도록 합니다. 다양한 사전 학습 모델을 선택할 수 있어 누구나 쉽게 시작할 수 있습니다. 모델 학습이 완료되면 브라우저에서 직접 테스트하고 단 한 번의 클릭으로 프로덕션 환경에 배포할 수 있습니다.

다음의 대화형 다이어그램은 Ultralytics Platform 워크플로우의 4가지 주요 단계를 보여줍니다. 각 단계나 하위 단계를 클릭하면 해당 섹션에 대한 자세한 지침을 확인할 수 있습니다.

graph LR
    A(Sign Up) --> B(Prepare Data) --> C(Train) --> D(Deploy)
    A -.- A1["<a href='#get-started'>Create account</a><br/><a href='#region-selection'>Select region</a>"]
    B -.- B1["<a href='#upload-your-first-dataset'>Upload dataset</a><br/><a href='#create-your-first-project'>Create Project</a>"]
    C -.- C1["<a href='#training-configuration'>Configure training</a><br/><a href='#monitor-training'>Monitor progress</a>"]
    D -.- D1["<a href='#test-your-model'>Test model</a><br/><a href='#deploy-to-production'>Deploy endpoint</a>"]

    click A "#get-started"
    click B "#upload-your-first-dataset"
    click C "#train-your-first-model"
    click D "#deploy-to-production"

시작하기

Ultralytics Platform은 다양하고 간편한 가입 옵션을 제공합니다. Google이나 GitHub 계정 또는 이메일 주소를 사용하여 등록하고 로그인할 수 있습니다.

지역 선택

온보딩 과정에서 데이터 지역을 선택해야 합니다. 플랫폼은 각 지역에 대한 지연 시간을 자동으로 측정하여 가장 가까운 지역을 추천합니다. 이 선택은 데이터, 모델, 배포가 저장될 위치를 결정하므로 매우 중요합니다.

무료 크레딧

모든 신규 계정에는 클라우드 GPU 학습을 위한 무료 크레딧이 제공됩니다:

프로필 완성하기

온보딩 흐름은 다음 세 단계를 안내합니다:

1. 프로필 - 표시 이름, 고유 사용자 이름(영구적이며 나중에 변경 불가), 조직(선택 사항) 및 주요 사용 사례를 입력합니다.
2. 데이터 지역 - 지연 시간을 보여주는 세계 지도와 함께 US, EU 또는 AP 중 선택합니다.
3. 완료 - 선택 사항을 검토하고 필요시 프로모션 코드를 적용한 뒤, 가입을 완료하여 웰컴 크레딧을 받습니다.

홈 대시보드

로그인 후 Ultralytics Platform의 홈 페이지로 이동합니다. 이곳에서는 워크스페이스 통계가 포함된 웰컴 카드, 데이터셋, 프로젝트 및 저장소에 대한 빠른 액세스, 최근 활동 피드를 확인할 수 있습니다.

사이드바 탐색

사이드바를 통해 모든 플랫폼 섹션에 접근할 수 있습니다:

웰컴 카드

웰컴 카드에서는 프로필, 플랜 배지 및 워크스페이스 통계를 한눈에 볼 수 있습니다:

빠른 작업

웰컴 카드 아래 대시보드에는 세 개의 카드가 표시됩니다:

• 데이터셋: 새 데이터셋을 생성하거나 이미지, 비디오, 데이터셋 파일을 끌어다 놓아 업로드합니다. 최근 데이터셋이 표시됩니다.
• 프로젝트: 새 프로젝트를 생성하거나 .pt 모델 파일을 끌어다 놓아 업로드합니다. 최근 프로젝트가 표시됩니다.
• 저장소: 플랜 제한이 포함된 저장소 사용량(데이터셋, 모델, 내보내기) 개요입니다.

하단의 최근 활동 테이블은 최신 데이터셋, 모델 및 학습 실행 정보를 보여줍니다.

글로벌 검색

Cmd+K(Mac) 또는 Ctrl+K(Windows/Linux)를 눌러 검색창을 엽니다. 페이지, 프로젝트, 데이터셋 및 배포 항목을 즉시 검색할 수 있습니다.

AI 채팅 어시스턴트

모든 페이지에서 플로팅 채팅 위젯을 이용할 수 있습니다. 클릭하여 YOLO 학습, 어노테이션, 배포 또는 플랫폼 기능에 대해 질문하십시오. 어시스턴트는 현재 페이지를 기준으로 맥락을 파악하여 도움을 드립니다.

온보딩 투어

플랫폼에는 각 섹션을 탐색할 때 주요 기능을 소개하는 가이드 투어가 포함되어 있습니다:

투어 다시 시작

투어를 다시 보려면 다음을 수행하십시오:

• 투어 다시 실행 버튼 — 사이드바 왼쪽 하단에 있는 프로필 아바타를 클릭하여 사용자 메뉴를 열고 투어 다시 실행을 선택합니다. 이렇게 하면 모든 투어가 초기화되어 각 섹션을 방문할 때마다 다시 재생됩니다.
• URL 매개변수 — platform.ultralytics.com/home?tour=nav로 이동하여 내비게이션 투어를 직접 다시 시작할 수 있습니다.

첫 번째 데이터셋 업로드

사이드바에서 Annotate로 이동한 후 New Dataset을 클릭하여 학습 데이터를 추가합니다. 홈 대시보드의 데이터셋 카드에 파일을 직접 드래그 앤 드롭할 수도 있습니다.

Ultralytics Platform은 다양한 업로드 형식을 지원합니다(자세한 내용은 Datasets 참조):

graph LR
    A[Drop Files] --> B[Auto-Package ZIP]
    B --> C[Upload to Storage]
    C --> D[Backend Worker]
    D --> E[Resize & Thumbnail]
    E --> F[Parse Labels]
    F --> G[Compute Statistics]
    G --> H[Dataset Ready]

업로드 후 플랫폼은 자동으로 데이터를 처리합니다:

1. 4096px보다 큰 이미지는 크기가 조정됩니다(가로세로 비율 유지)
2. 빠른 탐색을 위해 256px 썸네일이 생성됩니다
3. 라벨은 파싱 및 검증됩니다(YOLO .txt 형식)
4. 통계가 계산됩니다(클래스 분포, 히트맵, 차원)

my-dataset.zip
├── data.yaml          # Class names and splits
├── train/
│   ├── images/
│   │   ├── img001.jpg
│   │   └── img002.jpg
│   └── labels/
│       ├── img001.txt
│       └── img002.txt
└── val/
    ├── images/
    └── labels/

datasets와 detect, segment, pose, OBB, classify에서 지원하는 형식에 대해 더 자세히 알아보십시오.

첫 번째 프로젝트 생성

프로젝트는 관련 모델과 실험을 정리하는 데 도움을 줍니다. Projects로 이동하여 "Create Project"를 클릭하십시오.

프로젝트 이름과 선택적인 설명을 입력하십시오. 프로젝트에는 다음이 포함됩니다:

• 모델: 학습된 체크포인트
• 활동 로그: 변경 내역

projects에 대해 더 자세히 알아보십시오.

첫 번째 모델 학습

프로젝트에서 Train Model을 클릭하여 클라우드 학습을 시작하십시오.

학습 설정

1. 데이터셋 선택: 업로드한 데이터셋 중에서 선택합니다(train 분할이 있는 데이터셋만 표시됨)
2. 모델 선택: 기본 모델을 선택합니다 - 공식 Ultralytics 모델 또는 직접 학습한 모델
3. Epoch 설정: 학습 반복 횟수(기본값: 100)
4. GPU 선택: 예산과 모델 크기에 따라 컴퓨팅 리소스를 선택하십시오. 기본값은 RTX PRO 6000(96 GB Blackwell, 시간당 $1.89)이며, 모든 YOLO26 변형을 처리할 수 있습니다. 전체 GPU 가격표 또는 Cloud Training GPU 단계에서 전체 목록과 티어 제한을 확인하십시오.

학습 모니터링

학습이 시작되면 세 개의 하위 탭을 통해 실시간으로 진행 상황을 모니터링할 수 있습니다:

메트릭은 SSE(Server-Sent Events)를 통해 실시간으로 스트리밍됩니다. 학습이 완료되면 혼동 행렬, PR 곡선, F1 곡선을 포함한 검증 플롯이 생성됩니다.

cloud training에 대해 더 자세히 알아보십시오.

모델 테스트

학습이 완료되면 브라우저에서 직접 모델을 테스트하십시오:

1. 모델의 Predict 탭으로 이동
2. 이미지 업로드, 드래그 앤 드롭 또는 예제 이미지 사용(드롭 시 자동 추론)
3. 캔버스에 렌더링된 바운딩 박스로 추론 결과 확인

추론 매개변수 조정:

Predict 탭에서는 실제 API 키가 미리 채워진 상태로 즉시 사용 가능한 코드 예제를 제공합니다:

import requests

url = "https://platform.ultralytics.com/api/models/{model_id}/predict"
headers = {"Authorization": "Bearer YOUR_API_KEY"}

with open("image.jpg", "rb") as f:
    response = requests.post(url, headers=headers, files={"file": f})

print(response.json())

inference에 대해 더 자세히 알아보십시오.

운영 배포

운영 환경을 위해 전용 엔드포인트에 모델을 배포하십시오:

1. 모델의 Deploy 탭으로 이동
2. 대화형 세계 지도에서 지역 선택(43개 지역 사용 가능)
3. 지도는 신호등 색상으로 실시간 지연 시간을 보여줍니다(녹색 < 100ms, 노란색 < 200ms, 빨간색 > 200ms)
4. Deploy를 클릭하여 엔드포인트 생성

graph LR
    A[Select Region] --> B[Deploy]
    B --> C[Provisioning ~1 min]
    C --> D[Running]
    D --> E{Lifecycle}
    E --> F[Stop]
    E --> G[Delete]
    F --> H[Resume]
    H --> D

엔드포인트가 약 1분 내에 다음 항목과 함께 준비됩니다:

• 고유 URL: API 호출을 위한 HTTPS 엔드포인트
• Scale-to-zero 동작: 유휴 컴퓨팅 비용 없음(배포는 현재 단일 활성 인스턴스를 실행함)
• 모니터링: 요청 메트릭 및 로그

배포 후 사이드바의 Deploy 섹션에서 모든 엔드포인트를 관리할 수 있습니다. 여기에서는 활성 배포, 개요 메트릭 및 모든 엔드포인트 목록이 포함된 전역 지도를 확인할 수 있습니다.

endpoints에 대해 더 자세히 알아보십시오.

원격 학습(선택 사항)

자신의 하드웨어에서 학습하는 것을 선호하는 경우, API 키를 사용하여 플랫폼으로 메트릭을 스트리밍할 수 있습니다. 이는 Weights & Biases와 유사하게 작동하며 어디에서나 학습하고 플랫폼에서 모니터링할 수 있습니다.

1. Settings > API Keys에서 API 키를 생성합니다.
2. 환경 변수를 설정하고 project/name 형식으로 학습을 진행합니다:

export ULTRALYTICS_API_KEY="YOUR_API_KEY"

yolo train model=yolo26n.pt data=coco.yaml epochs=100 project=username/my-project name=exp1

API 키, 데이터셋 URI, 원격 학습에 대해 자세히 알아보세요.

피드백 및 도움말

사이드바 하단의 Help 페이지에는 인앱 피드백 양식이 포함되어 있습니다. 사용자 경험을 평가하고, 피드백 유형(버그, 기능 요청 또는 일반)을 선택하며, 스크린샷을 첨부할 수 있습니다.

추가 도움이 필요한 경우:

• AI Chat: 어떤 페이지에서든 떠 있는 채팅 위젯을 클릭하여 즉각적인 도움을 받으세요.
• Documentation: 데이터셋, 주석, 학습, 배포 및 결제에 대한 자세한 가이드는 이 문서를 참조하세요.
• Discord: 토론을 위해 Discord 커뮤니티에 참여하세요.
• GitHub: GitHub에서 이슈를 보고하세요.
• REST API: 모든 플랫폼 기능에 프로그래밍 방식으로 액세스하려면 API 참조를 확인하거나 대화형 API 문서를 이용하세요.