콜백

Q: What are Ultralytics callbacks and how can I use them?

Ultralytics 콜백은 훈련, 유효성 검사, 내보내기, 예측과 같은 모델 작업의 주요 단계에서 트리거되는 특수한 진입점입니다. 이러한 콜백을 사용하면 프로세스의 특정 지점에서 사용자 지정 기능을 사용할 수 있으므로 워크플로를 개선하고 수정할 수 있습니다. 각 콜백은 작업 유형에 따라 트레이너, 검증자 또는 예측자 개체를 허용합니다. 이러한 개체의 자세한 속성은 참조 섹션을 참조하세요. 콜백을 사용하려면 함수를 정의한 다음 add_callback 메서드를 사용하여 모델에 추가할 수 있습니다. 다음은 예측 중에 추가 정보를 반환하는 방법의 예입니다:

Q: How can I customize Ultralytics training routine using callbacks?

콜백을 사용하여 Ultralytics 트레이닝 루틴을 사용자 지정하려면 트레이닝 프로세스의 특정 단계에 로직을 삽입할 수 있습니다. Ultralytics YOLO 은 on_train_start, on_train_end, on_train_batch_end와 같은 다양한 트레이닝 콜백을 제공합니다. 이를 통해 사용자 지정 메트릭, 처리 또는 로깅을 추가할 수 있습니다. 다음은 각 트레이닝 에포크가 끝날 때 추가 메트릭을 기록하는 방법의 예입니다: 트레이닝 콜백을 효과적으로 사용하는 방법에 대한 자세한 내용은 트레이닝 가이드를 참조하세요.

Q: Why should I use callbacks during validation in Ultralytics YOLO?

Ultralytics YOLO 에서 유효성 검사 중에 콜백을 사용하면 사용자 지정 처리, 로깅 또는 메트릭 계산을 허용하여 모델 평가를 향상시킬 수 있습니다. on_val_start, on_val_batch_end, on_val_end와 같은 콜백은 사용자 지정 로직을 삽입할 수 있는 진입점을 제공하여 상세하고 포괄적인 유효성 검사 프로세스를 보장합니다. 예를 들어, 추가 유효성 검사 지표를 기록하거나 추가 분석을 위해 중간 결과를 저장하고 싶을 수 있습니다. 다음은 유효성 검사 종료 시 사용자 지정 메트릭을 기록하는 방법의 예입니다: 유효성 검사 프로세스에 콜백을 통합하는 방법에 대한 자세한 내용은 유효성 검사 가이드를 참조하세요.

Q: How do I attach a custom callback for the prediction mode in Ultralytics YOLO?

예측 모드에 대한 사용자 지정 콜백을 첨부하려면 Ultralytics YOLO 에서 콜백 함수를 정의하고 이를 예측 프로세스에 등록합니다. 일반적인 예측 콜백에는 on_predict_start, on_predict_batch_end 및 on_predict_end가 포함됩니다. 이를 통해 예측 출력을 수정하고 데이터 로깅이나 결과 변환과 같은 추가 기능을 통합할 수 있습니다. 다음은 사용자 정의 콜백을 사용하여 예측을 로깅하는 예제입니다: 보다 포괄적인 사용법은 자세한 지침과 추가 사용자 지정 옵션이 포함된 예측 가이드를 참조하세요.

콜백

Ultralytics 프레임워크는 트레인, 밸, 내보내기, 예측 모드의 전략적 단계에서 콜백을 진입점으로 지원합니다. 각 콜백은 Trainer, Validator또는 Predictor 객체를 사용할 수 있습니다. 이러한 객체의 모든 속성은 문서의 참조 섹션에서 찾을 수 있습니다.

Watch: 마스터링 Ultralytics YOLO : 콜백

예제

예측으로 추가 정보 반환

이 예제에서는 각 결과 객체와 함께 원본 프레임을 반환하려고 합니다. 이를 수행하는 방법은 다음과 같습니다.

from ultralytics import YOLO


def on_predict_batch_end(predictor):
    """Handle prediction batch end by combining results with corresponding frames; modifies predictor results."""
    _, image, _, _ = predictor.batch

    # Ensure that image is a list
    image = image if isinstance(image, list) else [image]

    # Combine the prediction results with the corresponding frames
    predictor.results = zip(predictor.results, image)


# Create a YOLO model instance
model = YOLO("yolo11n.pt")

# Add the custom callback to the model
model.add_callback("on_predict_batch_end", on_predict_batch_end)

# Iterate through the results and frames
for result, frame in model.predict():  # or model.track()
    pass

모든 콜백

지원되는 모든 콜백은 다음과 같습니다. 자세한 내용은 콜백 소스 코드를 참조하세요.

트레이너 콜백

콜백	설명
`on_pretrain_routine_start`	사전 훈련 루틴이 시작될 때 트리거됩니다.
`on_pretrain_routine_end`	사전 훈련 루틴이 끝나면 트리거됩니다.
`on_train_start`	트레이닝 시작 시 트리거됨
`on_train_epoch_start`	각 훈련 에포크가 시작될 때 트리거됩니다.
`on_train_batch_start`	각 교육 배치가 시작될 때 트리거됩니다.
`optimizer_step`	옵티마이저 단계에서 트리거됨
`on_before_zero_grad`	그라데이션이 0이 되기 전에 트리거됩니다.
`on_train_batch_end`	각 교육 배치가 끝날 때마다 트리거됩니다.
`on_train_epoch_end`	각 훈련 에포크가 끝날 때마다 트리거됩니다.
`on_fit_epoch_end`	각 핏 에포크가 끝날 때마다 트리거됩니다.
`on_model_save`	모델이 저장될 때 트리거됩니다.
`on_train_end`	교육 프로세스가 종료되면 트리거됩니다.
`on_params_update`	모델 파라미터가 업데이트될 때 트리거됩니다.
`teardown`	교육 프로세스가 정리 중일 때 트리거됩니다.

유효성 검사기 콜백

콜백	설명
`on_val_start`	유효성 검사가 시작될 때 트리거됩니다.
`on_val_batch_start`	각 유효성 검사 배치가 시작될 때 트리거됩니다.
`on_val_batch_end`	각 유효성 검사 배치가 끝날 때 트리거됩니다.
`on_val_end`	유효성 검사가 종료되면 트리거됩니다.

예측자 콜백

콜백	설명
`on_predict_start`	예측 프로세스가 시작될 때 트리거됩니다.
`on_predict_batch_start`	각 예측 배치가 시작될 때 트리거됩니다.
`on_predict_postprocess_end`	예측 후처리 종료 시 트리거됨
`on_predict_batch_end`	각 예측 배치가 끝날 때 트리거됩니다.
`on_predict_end`	예측 프로세스가 종료되면 트리거됩니다.

내보내기 콜백

콜백	설명
`on_export_start`	내보내기 프로세스가 시작될 때 트리거됩니다.
`on_export_end`	내보내기 프로세스가 종료되면 트리거됩니다.

자주 묻는 질문

Ultralytics 콜백이란 무엇이며 어떻게 사용하나요?

Ultralytics 콜백 은 훈련, 유효성 검사, 내보내기, 예측과 같은 모델 작업의 주요 단계에서 트리거되는 특수한 진입점입니다. 이러한 콜백을 통해 프로세스의 특정 지점에서 사용자 지정 기능을 사용할 수 있으므로 워크플로우를 개선하고 수정할 수 있습니다. 각 콜백은 Trainer, Validator또는 Predictor 객체를 사용할 수 있습니다. 이러한 개체의 자세한 속성에 대한 자세한 내용은 참조 섹션.

콜백을 사용하려면 함수를 정의한 다음 모델에 add_callback 메서드를 사용하세요. 다음은 예측 중에 추가 정보를 반환하는 방법의 예입니다:

from ultralytics import YOLO


def on_predict_batch_end(predictor):
    """Handle prediction batch end by combining results with corresponding frames; modifies predictor results."""
    _, image, _, _ = predictor.batch
    image = image if isinstance(image, list) else [image]
    predictor.results = zip(predictor.results, image)


model = YOLO("yolo11n.pt")
model.add_callback("on_predict_batch_end", on_predict_batch_end)
for result, frame in model.predict():
    pass

콜백을 사용하여 Ultralytics 교육 루틴을 사용자 지정하려면 어떻게 해야 하나요?

콜백을 사용하여 Ultralytics 교육 루틴을 사용자 지정하려면 교육 프로세스의 특정 단계에 로직을 삽입할 수 있습니다. Ultralytics YOLO 에서는 다음과 같은 다양한 교육 콜백을 제공합니다. on_train_start, on_train_end및 on_train_batch_end. 이를 통해 사용자 지정 메트릭, 처리 또는 로깅을 추가할 수 있습니다.

다음은 각 교육 기간이 끝날 때 추가 메트릭을 기록하는 방법의 예입니다:

from ultralytics import YOLO


def on_train_epoch_end(trainer):
    """Custom logic for additional metrics logging at the end of each training epoch."""
    additional_metric = compute_additional_metric(trainer)
    trainer.log({"additional_metric": additional_metric})


model = YOLO("yolo11n.pt")
model.add_callback("on_train_epoch_end", on_train_epoch_end)
model.train(data="coco.yaml", epochs=10)

교육 콜백을 효과적으로 사용하는 방법에 대한 자세한 내용은 교육 가이드를 참조하세요.

Ultralytics YOLO 에서 유효성 검사 중에 콜백을 사용해야 하는 이유는 무엇인가요?

사용 유효성 검사 중 콜백 의 Ultralytics YOLO 에서 사용자 지정 처리, 로깅 또는 메트릭 계산을 허용하여 모델 평가를 향상시킬 수 있습니다. 다음과 같은 콜백 on_val_start, on_val_batch_end및 on_val_end 사용자 지정 로직을 삽입할 수 있는 진입점을 제공하여 상세하고 포괄적인 유효성 검사 프로세스를 보장합니다.

예를 들어 추가 유효성 검사 지표를 기록하거나 추가 분석을 위해 중간 결과를 저장하고 싶을 수 있습니다. 다음은 유효성 검사 종료 시 사용자 지정 메트릭을 기록하는 방법의 예입니다:

from ultralytics import YOLO


def on_val_end(validator):
    """Log custom metrics at end of validation."""
    custom_metric = compute_custom_metric(validator)
    validator.log({"custom_metric": custom_metric})


model = YOLO("yolo11n.pt")
model.add_callback("on_val_end", on_val_end)
model.val(data="coco.yaml")

유효성 검사 프로세스에 콜백을 통합하는 방법에 대한 자세한 내용은 유효성 검사 가이드를 확인하세요.

예측 모드에 대한 사용자 지정 콜백을 Ultralytics YOLO 에 어떻게 첨부하나요?

사용자 지정 콜백을 첨부하려면 예측 모드 Ultralytics YOLO 에서 콜백 함수를 정의하고 예측 프로세스에 등록합니다. 일반적인 예측 콜백은 다음과 같습니다. on_predict_start, on_predict_batch_end및 on_predict_end. 이를 통해 예측 출력을 수정하고 데이터 로깅 또는 결과 변환과 같은 추가 기능을 통합할 수 있습니다.

다음은 사용자 지정 콜백을 사용하여 예측을 기록하는 예제입니다:

from ultralytics import YOLO


def on_predict_end(predictor):
    """Log predictions at the end of prediction."""
    for result in predictor.results:
        log_prediction(result)


model = YOLO("yolo11n.pt")
model.add_callback("on_predict_end", on_predict_end)
results = model.predict(source="image.jpg")

보다 자세한 사용법은 자세한 지침과 추가 사용자 지정 옵션이 포함된 예측 가이드를 참조하세요.

Ultralytics YOLO 에서 콜백을 사용하는 몇 가지 실제 예는 무엇인가요?

Ultralytics YOLO 는 교육, 검증 및 예측과 같은 다양한 단계를 개선하고 사용자 지정하기 위해 콜백의 다양한 실제 구현을 지원합니다. 몇 가지 실용적인 예는 다음과 같습니다:

사용자 지정 지표 로깅: 교육 종료 또는 검증 기간과 같은 다양한 단계에서 추가 지표를 기록합니다.
데이터 증강: 예측 또는 학습 배치 중에 사용자 지정 데이터 변환 또는 증강을 구현합니다.
중간 결과: 추가 분석 또는 시각화를 위해 예측 또는 프레임과 같은 중간 결과를 저장합니다.

예시: 다음을 사용하여 예측 중에 프레임을 예측 결과와 결합하기 on_predict_batch_end:

from ultralytics import YOLO


def on_predict_batch_end(predictor):
    """Combine prediction results with frames."""
    _, image, _, _ = predictor.batch
    image = image if isinstance(image, list) else [image]
    predictor.results = zip(predictor.results, image)


model = YOLO("yolo11n.pt")
model.add_callback("on_predict_batch_end", on_predict_batch_end)
for result, frame in model.predict():
    pass

전체 콜백 참조를 살펴보고 더 많은 옵션과 예시를 찾아보세요.

📅1 년 전 생성됨 ✏️ 2개월 전 업데이트됨

콜백

콜백

예제