모델

Ultralytics YOLO 훈련, 분석 및 배포를 위한 포괄적인 모델 관리 기능을 제공합니다. 사전 훈련된 모델을 업로드하거나 플랫폼에서 직접 새로운 모델을 훈련할 수 있습니다.

모델 업로드

기존 모델 가중치를 플랫폼에 업로드하십시오:

1. 프로젝트로 이동
2. 드래그 앤 드롭 .pt 파일들을 프로젝트 페이지나 모델 사이드바에
3. 모델 메타데이터는 파일에서 자동으로 파싱됩니다.

여러 파일을 동시에 업로드할 수 있습니다(최대 3개 동시).

지원되는 모델 형식:

업로드 후 플랫폼은 모델 메타데이터를 파싱합니다:

• 작업 유형 (detect, segment, 자세, OBB, classify)
• 아키텍처 (YOLO26n, YOLO26s 등)
• 클래스 이름 및 개수
• 입력 크기 및 파라미터
• 훈련 결과 및 메트릭스 (체크포인트에 존재하는 경우)

모델 학습

플랫폼에서 직접 새 모델을 훈련하세요:

1. 프로젝트로 이동
2. 새 모델 클릭
3. 기본 모델 및 데이터셋 선택
4. 학습 매개변수 구성
5. 클라우드 또는 로컬 교육 선택
6. 학습 시작

자세한 지침은 클라우드 학습을 참조하십시오.

모델 수명 주기

graph LR
    A[Upload .pt] --> B[Overview]
    C[Train] --> B
    B --> D[Predict]
    B --> E[Export]
    B --> F[Deploy]
    E --> G[17+ Formats]
    F --> H[Endpoint]

    style A fill:#4CAF50,color:#fff
    style C fill:#FF9800,color:#fff
    style E fill:#2196F3,color:#fff
    style F fill:#9C27B0,color:#fff

모델 페이지 탭

각 모델 페이지에는 다음과 같은 탭이 있습니다:

개요 탭

모델 메타데이터 및 주요 지표를 표시합니다:

• 모델명(편집 가능), 상태 배지, 작업 유형
• 최종 지표 (mAP50, mAP50, 정밀도, 재현율)
• 훈련 진행 상황을 보여주는 메트릭 스파크라인 차트
• 훈련 인수(에포크, 배치 크기, 이미지 크기 등)
• 데이터셋 링크 (플랫폼 데이터셋으로 훈련된 경우)
• 모델 가중치 다운로드 버튼

열차 탭

열차 탭에는 세 개의 하위 탭이 있습니다:

차트 하위 탭

에포크별 손실 곡선과 성능 지표를 보여주는 대화형 훈련 메트릭 차트:

콘솔 하위 탭

훈련 과정의 실시간 콘솔 출력:

• 훈련 중 실시간 로그 스트리밍
• 에포크 진행률 표시줄 및 검증 결과
• 오류 감지 및 강조 표시된 오류 배너
• 서식 지정된 출력에 대한 ANSI 색상 지원

시스템 하위 탭

훈련 중 GPU 시스템 메트릭스:

예측 탭

브라우저에서 직접 대화형 추론을 실행하세요:

• 이미지를 업로드하거나, URL을 붙여넣거나, 웹캠을 사용하세요.
• 결과는 바운딩 박스, 마스크 또는 키포인트와 함께 표시됩니다.
• 이미지가 제공될 때 자동 추론
• 모든 작업 유형 지원 (detect, segment, 포즈, OBB, classify)

수출 탭

모델을 17개 이상의 배포 형식으로 내보내세요. 자세한 내용은 아래 '모델 내보내기' 및 핵심 내보내기 모드 가이드를 참조하세요.

배포 탭

전용 추론 엔드포인트를 생성하고 관리합니다. 자세한 내용은 배포 항목을 참조하십시오.

검증 플롯

학습 완료 후, 상세 검증 분석 보기:

오차 행렬

클래스별 예측 정확도를 보여주는 대화형 히트맵:

PR/F1 곡선

다양한 신뢰도 임계값에서의 성능 곡선:

모델 내보내기

graph LR
    A[Select Format] --> B[Configure Args]
    B --> C[Export]
    C --> D{GPU Required?}
    D -->|Yes| E[Cloud GPU Export]
    D -->|No| F[CPU Export]
    E --> G[Download]
    F --> G

    style A fill:#2196F3,color:#fff
    style C fill:#FF9800,color:#fff
    style G fill:#4CAF50,color:#fff

모델을 17개 이상의 배포 형식으로 내보내세요:

1. 내보내기 탭으로 이동
2. 대상 형식 선택
3. 내보내기 인수 구성 (이미지 크기, 반정밀도, 동적 등)
4. GPU 형식(TensorRT)의 경우 GPU 을 선택하십시오.
5. 내보내기 클릭
6. 완료 시 다운로드

지원되는 형식

플랫폼은 17개 이상의 배포 형식으로의 내보내기를 지원합니다: ONNX, TorchScript, OpenVINO, TensorRT, CoreML, TF SavedModel, TF GraphDef, TF , TF TPU, TF.js, PaddlePaddle, NCNN, MNN, RKNN, IMX500, Axelera, ExecuTorch.

형식 선택 가이드

RKNN 칩 지원

RKNN 형식으로 내보낼 때 대상 Rockchip 장치를 선택하십시오:

수출 작업 라이프사이클

수출 작업은 다음 상태를 거쳐 진행됩니다:

대량 내보내기 작업

• 모두 내보내기: 클릭 Export All 모든 CPU 기반 형식에 대해 기본 설정으로 내보내기 작업을 시작합니다.
• 모든 내보내기 삭제: 클릭 Delete All 모델에 대한 모든 내보내기를 제거합니다.

서식 제한 사항

일부 내보내기 형식은 아키텍처 또는 작업 제한 사항이 있습니다:

복제 모델

모델을 다른 프로젝트로 복제하기:

1. 모델 페이지를 엽니다
2. 복제 버튼을 클릭하세요
3. 대상 프로젝트를 선택하십시오
4. Clone을 클릭하세요

모델과 그 가중치가 대상 프로젝트로 복사됩니다.

모델 다운로드

모델 가중치를 다운로드하세요:

1. 모델의 개요 탭으로 이동하십시오
2. 다운로드 버튼을 클릭하세요
3. 원본 .pt 파일 다운로드가 자동으로 이루어집니다

내보내기 완료 후 내보내기 탭에서 내보낸 형식을 다운로드할 수 있습니다.

데이터셋 연결

모델은 원본 데이터셋에 연결될 수 있습니다:

• 훈련에 사용된 데이터셋 확인
• 개요 탭에서 데이터 세트 카드를 클릭하여 해당 데이터 세트로 이동하세요
• 데이터 lineage track

플랫폼 데이터셋을 사용하여 학습할 때 ul:// URI 형식링크는 자동으로 생성됩니다.

# Train with a Platform dataset — linking is automatic
yolo train model=yolo26n.pt data=ul://username/datasets/my-dataset epochs=100

가시성 설정

모델을 볼 수 있는 사용자 제어:

가시성을 변경하려면 가시성 배지(예: private 또는 public모델 페이지에서 비공개로 전환하면 즉시 적용됩니다. 공개로 전환할 경우 적용 전에 확인 대화상자가 표시됩니다.

모델 삭제

더 이상 필요 없는 모델 제거:

1. 모델 작업 메뉴를 엽니다.
2. 삭제를 클릭하세요.
3. 삭제 확인

FAQ

어떤 모델 아키텍처가 지원되나요?

Ultralytics 전용 프로젝트를 통해 모든 YOLO 완벽하게 지원합니다:

• YOLO26: n, s, m, l, x 변형 (최신, 권장) — platform.ultralytics.ultralytics
• YOLO11: n, s, m, l, x 변형 — platform.ultralytics.yolo11
• YOLOv8: n, s, m, l, x 변형 — platform.ultralytics.yolov8
• YOLOv5: n, s, m, l, x 변형 — platform.ultralytics.yolov5

모든 아키텍처는 5가지 작업 유형을 지원합니다: detect, segment, 포즈, OBB, 그리고 classify.

학습된 모델을 다운로드할 수 있나요?

예, 모델 페이지에서 모델 가중치를 다운로드하십시오:

1. 개요 탭에서 다운로드 아이콘을 클릭하세요
2. 원본 .pt 파일 다운로드가 자동으로 이루어집니다
3. 내보낸 형식은 '내보내기' 탭에서 다운로드할 수 있습니다

프로젝트 간 모델을 어떻게 비교하나요?

현재 모델 비교는 프로젝트 내에서 이루어집니다. 프로젝트 간 비교를 위해서는:

1. 모델을 단일 프로젝트로 복제하거나
2. 메트릭을 내보내고 외부에서 비교

최대 모델 크기는 얼마인가요?

엄격한 제한은 없지만, 매우 큰 모델(>2GB)은 업로드 및 처리 시간이 더 길어질 수 있습니다.

사전 학습된 모델을 미세 조정할 수 있나요?

네! 공식 YOLO26 모델 중 어느 것이나 베이스로 사용할 수 있으며, 훈련 대화 상자의 모델 선택기에서 직접 완성한 모델 중 하나를 선택할 수도 있습니다. 플랫폼은 업로드된 모든 체크포인트로부터의 미세 조정을 지원합니다.

5; 1 전에 생성됨 ✏️ 5 전에 업데이트됨

댓글