Ask AI를 이용한 AutoTrain#
AutoTrain은 Ask AI를 사용하여 대화를 통해 모델을 학습, 비교 및 개선할 수 있도록 지원합니다. 베이스라인으로 시작하고, 그 결과를 검토한 후 다음 실험을 요청하십시오. Ask AI는 데이터셋 찾기, 이미지 주석 달기, 모델 내보내기 및 배포도 수행할 수 있습니다.
Ultralytics Platform에 로그인하고, 데이터셋 또는 프로젝트를 연 후 Ask AI를 클릭하십시오.
Platform 작업을 사용하려면 먼저 개인 워크스페이스의 설정 > API 키에서 Ultralytics API 키를 생성하세요. Ask AI는 기존 개인 키를 자동으로 사용하므로 대화에 직접 붙여넣을 필요가 없습니다. 팀 워크스페이스로 작업할 때는 프로젝트 또는 데이터셋 링크를 포함하세요.
시도해 볼 수 있는 프롬프트#
요청에 목표 메트릭, 모델, 에포크 제한, 실험 횟수를 포함하십시오. 비교 가능한 결과를 얻으려면 한 번에 하나의 설정만 변경하면서 데이터셋, 분할 및 랜덤 시드를 고정해 두십시오. 클라우드 실행 시 학습 크레딧이 사용됩니다.
관련 데이터셋 또는 프로젝트를 열고 다음과 같이 질문하세요.
| 목표 | 프롬프트 예시 |
|---|---|
| 프로젝트 시작 | "Wildlife Lab"이라는 비공개 프로젝트를 생성하세요. 야생동물 감지 데이터셋을 찾아 복제한 후, 기준 학습 실행을 준비하세요. |
| 해상도 비교 | 이 데이터셋으로 이미지 크기를 640, 800, 960으로 설정하여 세 가지 모델을 학습하세요. 다른 모든 설정과 데이터셋 분할은 고정하세요. |
| 데이터셋 탐색 | xView에서 컨테이너 선박, 화물 컨테이너, 크레인을 찾으세요. 항만 물류를 위한 좋은 시작점인가요? |
| 기준 모델 생성 | 이 데이터셋으로 YOLO26n을 학습하고 실행 이름을 "xview-baseline"으로 지정하세요. |
| 모델 비교 | 검증 mAP50-95를 기준으로 완료된 모델들을 비교하십시오. 차이점을 설명하고 다음 실험을 제안하십시오. |
| 모델 배포 | 이 프로젝트에서 검증 mAP가 가장 높은 완료된 모델을 배포하세요. 해당 모델의 엔드포인트 URL과 상태를 알려주세요. |
| 자동 어노테이션 | 호환되는 가장 우수한 모델을 사용하여 이 데이터셋의 레이블이 지정되지 않은 이미지에 어노테이션을 생성하세요. 기존 어노테이션은 유지하세요. |
| 분류 검토 | 어떤 모델의 분류 정확도가 가장 높나요? 어떤 품종이 계속 혼동을 주며, 다음에 무엇을 시도해야 하나요? |
| 모델 내보내기 | 이 모델을 ONNX로 내보내고 준비가 완료되면 다운로드 링크를 제공해 주세요. |
나만의 코딩 에이전트 사용#
Ask AI는 Platform CLI, ul cloud, 그리고 관련 platform-cli skill을 사용합니다. Claude Code, Codex 또는 기타 호환되는 코딩 에이전트에서도 동일한 명령어를 사용할 수 있습니다.
설치 및 연결#
아래 설정은 Platform 외부에서 나만의 코딩 에이전트와 함께 Platform CLI를 사용하기 위한 것입니다.
ul CLI는 **Python 3.11+**의 Ultralytics 패키지와 함께 제공됩니다. 설치하거나 업데이트하세요.
pip install -U ultralyticsPlatform API 키를 생성하고 에이전트가 사용하는 터미널에 설정하세요. 다음으로 연결을 확인하세요.
export ULTRALYTICS_API_KEY="YOUR_API_KEY"
ul cloud account summary스킬 추가#
Claude Code 및 Codex 플러그인을 위한 Agent Skills 설치 가이드를 따르세요. skills CLI가 지원하는 에이전트의 경우 다음 명령어로 Platform 스킬을 설치하세요.
npx skills add ultralytics/skills --skill platform-cli그런 다음 컨텍스트를 위해 프로젝트 또는 데이터셋 링크를 포함하여 위의 예시와 같은 프롬프트를 사용하세요.
명령어 직접 실행#
명령어에서 프로젝트 및 모델 URL 슬러그를 사용하십시오. 이 예시는 개인 워크스페이스를 대상으로 하며, 속해 있는 팀 워크스페이스를 대상으로 지정하려면 owner=TEAM을 추가하십시오.
ul cloud datasets list
ul cloud models list project=license-plate
ul cloud models training project=license-plate model=baseline
ul cloud training start --helpul cloud --help을 사용하여 명령어를 검색하고 ul cloud <resource> <operation> --help을 사용하여 해당 인수를 확인하세요. 자세한 내용은 Platform API reference를 참조하세요.