Ask AI를 사용한 AutoTrain#
AutoTrain은 대화를 통해 모델을 학습하고 비교하며 개선할 수 있도록 Ask AI를 사용합니다. 기준 모델로 시작해 결과를 검토한 다음, 다음 실험을 요청하세요. Ask AI는 데이터셋 검색, 이미지 어노테이션, 모델 내보내기, 배포도 지원합니다.
Ultralytics Platform에 로그인하고 데이터셋 또는 프로젝트를 연 다음 Ask AI를 클릭합니다.
Platform 작업을 사용하려면 먼저 개인 워크스페이스의 설정 > API 키에서 Ultralytics API 키를 만드세요. Ask AI는 기존 개인 키를 자동으로 사용하므로 대화에 키를 붙여 넣을 필요가 없습니다. 팀 워크스페이스에서 작업할 때는 프로젝트 또는 데이터셋 링크를 포함하세요.
시도해 볼 프롬프트#
요청에 목표 지표, 모델, epoch 제한, 실험 횟수를 포함하세요. 결과를 비교하려면 한 번에 하나의 설정만 변경하고 데이터셋, 분할, random seed는 고정하세요. 클라우드 실행에는 학습 크레딧이 사용됩니다.
관련 데이터셋 또는 프로젝트를 열고 다음과 같이 요청하세요:
| 목표 | 프롬프트 예시 |
|---|---|
| 프로젝트 시작 | "Wildlife Lab"이라는 비공개 프로젝트를 만드세요. 야생 동물 감지 데이터셋을 찾아 복제한 다음, 기준 학습 실행을 준비하세요. |
| 해상도 비교 | 이 데이터셋으로 이미지 크기 640, 800, 960에서 모델 세 개를 학습하세요. 다른 모든 설정과 데이터셋 분할은 고정하세요. |
| 데이터셋 탐색 | xView에서 컨테이너선, 선적 컨테이너, 크레인을 찾으세요. 항만 물류 분야의 출발점으로 적합한 데이터셋인가요? |
| 기준 모델 만들기 | 이 데이터셋으로 YOLO26n을 학습하고 실행 이름을 "xview-baseline"으로 지정하세요. |
| 모델 비교 | 완료된 모델을 검증 mAP50-95 기준으로 비교하세요. 차이를 설명하고 다음 실험을 제안하세요. |
| 모델 배포 | 이 프로젝트에서 검증 mAP가 가장 높은 완료 모델을 배포하세요. 엔드포인트 URL과 상태를 알려주세요. |
| 자동 어노테이션 | 이 데이터셋에서 레이블이 없는 이미지에 어노테이션을 적용할 때 호환되는 내 최고 성능 모델을 사용하세요. 기존 어노테이션은 유지하세요. |
| 분류 결과 검토 | 분류 정확도가 가장 높은 모델은 무엇인가요? 어떤 품종을 여전히 혼동하며, 다음에는 무엇을 시도해야 하나요? |
| 모델 내보내기 | 이 모델을 ONNX로 내보내고 준비가 완료되면 다운로드 링크를 알려주세요. |
자체 코딩 에이전트 사용#
Ask AI는 Platform CLI, ul cloud, 그리고 함께 제공되는 platform-cli 스킬을 사용합니다. Claude Code, Codex 또는 호환되는 다른 코딩 에이전트에서도 동일한 명령을 사용할 수 있습니다.
설치 및 연결#
아래 설정은 Platform 외부에서 자체 코딩 에이전트와 Platform CLI를 사용하는 방법입니다.
ul CLI는 **Python 3.11+**용 Ultralytics 패키지에 포함되어 있습니다. 설치하거나 업데이트하세요:
pip install -U ultralyticsPlatform API 키를 만들고 에이전트가 사용하는 터미널에 설정하세요. 다음 명령으로 연결을 확인합니다:
export ULTRALYTICS_API_KEY="YOUR_API_KEY"
ul cloud account summary스킬 추가#
Claude Code 및 Codex 플러그인의 경우 Agent Skills 설치 가이드를 따르세요. skills CLI가 지원하는 에이전트의 경우 다음 명령으로 Platform 스킬을 설치하세요:
npx skills add ultralytics/skills --skill platform-cli그런 다음 위 예시와 같은 프롬프트를 사용하고, 맥락을 제공할 프로젝트 또는 데이터셋 링크를 포함하세요.
명령 직접 실행#
명령에 프로젝트 및 모델 URL 슬러그를 사용하세요. 다음 예시는 개인 워크스페이스를 대상으로 합니다. 소속된 팀 워크스페이스를 대상으로 하려면 owner=TEAM을 추가하세요:
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 사용해 명령을 확인하고, 인수는 ul cloud <resource> <operation> --help로 확인하세요. 자세한 내용은 Platform API 참조를 참고하세요.