Ultralytics Platform 빠른 시작#

Ultralytics Platform은 데이터셋을 업로드하고, 사전 학습된 가중치로 새로운 YOLO 모델을 학습하며, 브라우저에서 완성된 모델을 테스트하고, 전용 추론 엔드포인트를 구성할 수 있는 안내형 워크플로를 제공합니다.

다음 대화형 다이어그램은 Ultralytics Platform 워크플로의 네 가지 주요 단계를 보여줍니다. 단계 또는 하위 단계를 클릭하면 해당 섹션의 자세한 지침을 확인할 수 있습니다.

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

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

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef out fill:#9C27B0,color:#fff

시작하기#

Ultralytics Platform은 간편한 가입 옵션을 다양하게 제공합니다. Google 또는 GitHub 계정이나 이메일 주소를 사용하여 가입하고 로그인할 수 있습니다.

리전 선택#

온보딩 중에 데이터 리전을 선택하라는 메시지가 표시됩니다. Platform은 각 리전의 지연 시간을 자동으로 측정하고 가장 가까운 리전을 추천합니다. 이 선택에 따라 데이터셋, 모델 및 관리형 학습 데이터가 저장되는 위치가 결정됩니다. 전용 엔드포인트 리전은 모델을 배포할 때 별도로 선택합니다.

무료 크레딧#

새 계정에는 클라우드 GPU 학습을 위한 무료 크레딧이 제공됩니다.

프로필 완성하기#

온보딩 플로에서는 다음 세 단계를 진행합니다.

1. 프로필 - 표시 이름, 고유 사용자 이름(영구적이며 나중에 변경할 수 없음), 조직(선택 사항) 및 주요 사용 사례를 입력합니다.
2. 데이터 리전 - 지연 시간을 보여주는 시각적 세계 지도에서 US, EU 또는 AP를 선택합니다.
3. 완료 - 선택 사항을 검토하고, 프로모션 코드를 선택적으로 적용한 다음 가입을 완료하여 환영 크레딧을 받습니다.

홈 대시보드#

로그인하면 Ultralytics Platform의 홈 페이지로 이동합니다. 홈 페이지에서는 워크스페이스 통계가 포함된 환영 카드, 개요 동영상, 데이터셋·프로젝트·스토리지에 대한 빠른 액세스 및 최근 활동 피드를 제공합니다.

사이드바 탐색#

사이드바에서 Platform의 모든 섹션에 액세스할 수 있습니다.

각 콘텐츠 섹션에는 최근 항목 5개와 나머지 항목으로 연결되는 링크가 표시됩니다. 항목 위에 마우스를 올리면 해당 항목을 휴지통으로 이동하는 삭제 작업이 표시됩니다. 휴지통 자체는 검색(Cmd+K)에서 이동하거나 platform.ultralytics.com/trash를 열어 액세스할 수 있습니다.

환영 카드#

환영 카드에는 프로필, 플랜 비교로 연결되는 플랜 배지 및 워크스페이스 통계가 한눈에 표시됩니다. 각 통계는 해당 워크스페이스 보기로 연결됩니다.

빠른 작업#

대시보드에는 환영 카드 아래에 세 개의 카드가 표시됩니다.

• 데이터셋: 새 데이터셋을 생성하거나 이미지, 동영상 또는 데이터셋 파일을 끌어 놓아 업로드합니다. 최근 데이터셋이 표시됩니다.
• 프로젝트: 새 프로젝트를 생성하거나 .pt 모델 파일을 끌어 놓아 업로드합니다. 최근 프로젝트가 표시됩니다.
• 스토리지: 플랜 제한과 함께 스토리지 사용량(데이터셋, 모델, 내보내기) 개요를 표시합니다.

하단의 최근 활동 표에는 최신 데이터셋, 프로젝트 및 배포와 해당 상태 및 마지막 업데이트 시간이 표시됩니다.

전체 검색#

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

AI 채팅 어시스턴트#

Ask AI를 클릭하여 Ultralytics Platform 전반의 작업을 자동화하는 AI 에이전트와 함께 작업할 수 있습니다. AI 에이전트는 데이터셋 및 모델과 직접 연동하여 이미지 주석 작업, 학습 실험 실행, 결과 비교, 모델 내보내기 또는 배포를 수행합니다. 자체 코딩 에이전트를 위한 예시 프롬프트 및 설정 방법은 Ask AI를 사용한 AutoTrain을 참조하십시오.

온보딩 투어#

Platform에는 여러 섹션을 탐색할 때 주요 기능을 소개하는 안내형 투어가 포함되어 있습니다.

투어 다시 시작#

투어를 다시 재생하려면 다음을 수행합니다:

• Redo Tour 버튼 — 사이드바 왼쪽 하단의 프로필 아바타를 클릭하여 계정 메뉴를 연 다음 Redo Tour를 선택합니다. 이렇게 하면 모든 투어가 초기화되어 다음에 각 섹션을 방문할 때 다시 재생됩니다.
• URL 매개변수 — 투어 ID와 함께 ?tour=을 추가하여 특정 투어를 직접 다시 시작합니다. Home 페이지에서는 ?tour=nav, 프로젝트 페이지에서는 ?tour=project, 데이터셋 페이지에서는 ?tour=dataset을 사용합니다.

첫 번째 데이터셋 업로드#

사이드바에서 Annotate을 열고 +을 클릭하여 새 데이터셋을 생성합니다. Home 대시보드의 Datasets 카드에 파일을 직접 끌어다 놓을 수도 있습니다.

New Dataset 대화상자는 네 가지 소스를 제공합니다. 이 빠른 시작에서는 Upload를 사용하며, 나머지는 Datasets 및 Integrations에서 다룹니다:

업로드는 여러 형식을 지원합니다. 자세한 내용은 Datasets를 참조하세요:

graph LR
    A[Drop Files]:::start --> B[Auto-Package ZIP]:::proc
    B --> C[Upload to Storage]:::proc
    C --> D[Process Data]:::proc
    D --> E[Resize & Thumbnail]:::proc
    E --> F[Parse Labels]:::proc
    F --> G[Compute Statistics]:::proc
    G --> H[Dataset Ready]:::out

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef out fill:#9C27B0,color:#fff

업로드가 완료되면 Platform에서 데이터를 자동으로 처리합니다:

1. 4096px보다 큰 이미지는 종횡비를 유지하면서 크기가 조정됩니다.
2. 빠른 탐색을 위해 256px 썸네일이 생성됩니다.
3. YOLO, COCO 및 Ultralytics NDJSON 레이블이 파싱되고 검증됩니다.
4. 통계가 계산됩니다(클래스 분포, 히트맵, 크기).

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

datasets와 지원되는 detect, segment, pose, OBB 및 classify 형식에 대해 자세히 알아보세요.

첫 번째 프로젝트 생성#

프로젝트를 사용하면 관련 모델과 실험을 체계적으로 관리할 수 있습니다. 사이드바에서 Train을 열고 +을 클릭하여 프로젝트를 생성합니다. Home 대시보드의 Projects 카드에 .pt 가중치를 놓아 프로젝트를 생성하고 한 번에 가져올 수도 있습니다.

이름과 선택 사항인 설명을 입력합니다. 프로젝트는 모델 실행과 가져오거나 복제된 모델 가중치를 구성하며, 완료된 학습 결과를 비교하기 위한 차트를 제공합니다.

projects에 대해 자세히 알아보세요.

첫 번째 모델 학습#

프로젝트에서 New Model을 클릭하여 Train New Model 대화 상자를 엽니다. 데이터셋 페이지에서 시작할 수도 있으며, 이 경우 데이터셋이 고정되고 대상 프로젝트를 선택하게 됩니다.

학습 구성#

1. Base Model: 공식 Ultralytics 가중치 또는 직접 학습한 모델 중 하나를 선택합니다. 모델 작업과 데이터셋 작업이 일치하지 않으면 대화 상자에 경고가 표시됩니다.
2. Dataset: 학습 이미지가 하나 이상, 검증 또는 테스트 이미지가 하나 이상, 레이블이 지정된 이미지가 하나 이상 있는 준비된 데이터셋을 선택합니다.
3. Parameters: Epochs(기본값 100), Batch Size(비워 두면 자동 설정), Image Size(기본값 640) 및 선택적 실행 Name을 설정합니다. Advanced Settings를 펼치면 YAML 편집기에서 다른 Ultralytics 학습 인수를 편집할 수 있습니다.
4. Select GPU: Cloud Training 탭에서 예산과 모델 크기에 따라 컴퓨팅 리소스를 선택합니다. 기본값은 RTX PRO 6000(96GB Blackwell, 시간당 $2.09)이며 모든 YOLO26 변형을 처리할 수 있습니다. 전체 목록과 요금제별 사용 제한은 전체 GPU 가격표 또는 Cloud Training GPU 단계를 참조하세요.
5. Start Training: 크레딧 잔액 옆에 표시된 예상 비용과 소요 시간을 확인한 다음 Start Training을 클릭합니다.

학습 모니터링#

학습이 시작되면 모델의 Train 탭을 열어 세 개의 하위 탭에서 실시간으로 진행 상황을 모니터링합니다:

메트릭은 SSE(Server-Sent Events)를 통해 실시간으로 스트리밍됩니다. 검증 아티팩트가 존재하게 되면, Charts 하위 탭은 Training 및 Validation 뷰로 나뉘며, 혼동 행렬, PR 곡선, F1 곡선은 Validation 아래에 표시됩니다.

cloud training에 대해 자세히 알아보세요.

모델 테스트#

학습이 완료되면 브라우저에서 직접 모델을 테스트합니다:

1. 모델의 Predict 탭으로 이동합니다.
2. 이미지를 업로드하거나 끌어다 놓고, 웹캠으로 이미지를 캡처하거나, 예시 이미지를 클릭합니다(놓는 즉시 자동 추론).
3. 작업에 적합한 예측 오버레이, 단계별 소요 시간(전처리, 추론, 후처리, 네트워크) 및 원시 JSON 응답을 확인합니다.

추론 매개변수를 조정합니다:

API Docs에서 Predict 탭은 Python, JavaScript 및 cURL 예제 코드를 보여 주며, 위에서 선택한 매개변수가 미리 입력되어 있습니다. 먼저 모델을 배포한 다음 플레이스홀더 URL과 키를 엔드포인트의 값으로 바꿉니다:

import requests

url = "https://your-deployment-url.run.app/predict"
api_key = "YOUR_API_KEY"
args = {"conf": 0.25, "iou": 0.7, "imgsz": 640}

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

print(response.json())

inference에 대해 자세히 알아보세요.

프로덕션에 배포#

프로덕션에서 사용할 수 있도록 전용 엔드포인트에 모델을 배포합니다:

1. 모델의 Deploy 탭으로 이동합니다.
2. Platform은 42개 모든 리전의 지연 시간을 측정하고 이를 세계 지도에 표시하며, 녹색에서 빨간색으로 이어지는 그라데이션으로 색상을 지정합니다(지연 시간이 낮을수록 녹색에 가깝고 높을수록 빨간색에 가깝습니다).
3. 지도 아래의 Region Latency 표에서 현재 위치를 기준으로 지연 시간이 정렬된 리전 중 원하는 리전을 찾습니다. Rescan을 사용하면 언제든지 다시 측정할 수 있습니다.
4. 해당 행에서 Deploy을 클릭하여 엔드포인트를 생성합니다.

graph LR
    A[Select Region]:::start --> B[Deploy]:::proc
    B --> C[Provisioning]:::proc
    C --> D[Running]:::out
    D --> E{Lifecycle}:::decide
    E --> F[Stop]:::error
    E --> G[Delete]:::error
    F --> H[Resume]:::proc
    H --> D

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef decide fill:#FF9800,color:#fff
    classDef out fill:#9C27B0,color:#fff
    classDef error fill:#F44336,color:#fff

프로비저닝이 완료되면 엔드포인트에서 다음을 제공합니다:

• 고유 URL: API 호출을 위한 HTTPS 엔드포인트
• Scale-to-zero 동작: 유휴 엔드포인트는 0으로 축소됩니다(배포는 현재 단일 활성 인스턴스로 실행됩니다).
• 모니터링: 요청 지표 및 로그

배포 후에는 사이드바의 Deploy 섹션에서 모든 엔드포인트를 관리할 수 있습니다. 배포 대시보드에는 활성 배포를 표시하는 전역 지도, 24시간 지표(총 요청 수, 활성 배포 수, 오류율 및 P95 지연 시간), 모든 엔드포인트 목록이 표시됩니다.

endpoints에 대해 자세히 알아보세요.

원격 학습(선택 사항)#

자체 하드웨어에서 학습하는 것을 선호하는 경우, API 키를 사용하여 어디서든 학습하고 지표를 Ultralytics Platform으로 스트리밍할 수 있습니다.

가장 빠른 방법은 학습 대화 상자의 Local Training 탭을 사용하는 것입니다. 이 탭에서는 선택한 모델, 데이터셋 및 매개변수에 대한 전체 명령을 생성하고 API 키를 입력합니다(API 키가 아직 없는 경우 새로 생성함). 명령을 복사하여 터미널에서 실행합니다.

명령을 직접 구성하려면 다음을 수행합니다.

1. Settings > API Keys에서 API 키를 생성합니다.
2. 환경 변수를 설정하고 project에 username/project 값을 사용하여 학습합니다.

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 및 원격 학습에 대해 자세히 알아보세요.

피드백 및 도움말#

사이드바 하단의 Help 페이지에는 문서 링크, 동영상 안내 및 커뮤니티 리소스가 모여 있으며, 앱 내 피드백 양식도 포함되어 있습니다. 1~5개의 별점으로 사용 경험을 평가하고, 피드백 유형(Bug, Feature 또는 General)을 선택한 다음 스크린샷을 첨부할 수 있습니다.

추가 도움이 필요한 경우 다음을 이용하세요.

• AI Chat: 모든 페이지에서 플로팅 채팅 위젯을 클릭하여 즉시 도움을 받습니다.
• Documentation: 데이터셋, 어노테이션, 학습, 배포 및 결제에 대한 자세한 가이드를 이 문서에서 확인합니다.
• Discord: 토론에 참여하려면 Discord 커뮤니티에 가입하세요.
• GitHub: GitHub에서 이슈를 신고하세요.
• REST API 및 Python SDK: API 레퍼런스를 확인하고, ultralytics-platform 클라이언트를 설치하거나, 대화형 API 문서를 사용하여 모든 Platform 기능에 프로그래밍 방식으로 액세스해 보세요.

FAQ#