AzureML에서의 Ultralytics YOLOv5 🚀 퀵스타트#

Microsoft Azure Machine Learning(AzureML)을 위한 Ultralytics YOLOv5 빠른 시작 가이드에 오신 것을 환영합니다! 이 가이드에서는 가상 환경 생성부터 모델 학습 및 추론 실행에 이르기까지 모든 과정을 다루며, AzureML 연산 인스턴스에서 YOLOv5를 설정하는 방법을 안내합니다.

Azure란 무엇인가요?#

Azure는 Microsoft의 포괄적인 cloud computing 플랫폼입니다. 연산 능력, 데이터베이스, 분석 도구, machine learning 기능 및 네트워킹 솔루션을 포함한 방대한 서비스 배열을 제공합니다. Azure는 조직이 Microsoft에서 관리하는 데이터 센터를 통해 애플리케이션과 서비스를 구축, 배포 및 관리할 수 있도록 지원하며, 온프레미스 인프라에서 클라우드로의 워크로드 마이그레이션을 용이하게 합니다.

Azure Machine Learning(AzureML)이란 무엇인가요?#

Azure Machine Learning(AzureML)은 머신러닝 모델의 개발, 학습, 배포를 위해 설계된 특화된 클라우드 서비스입니다. 모든 수준의 데이터 과학자와 개발자에게 적합한 도구가 포함된 협업 환경을 제공합니다. 주요 기능에는 automated machine learning (AutoML), 모델 생성을 위한 드래그앤드롭 인터페이스, 그리고 ML 라이프사이클에 대한 더욱 세밀한 제어를 위한 강력한 Python SDK가 포함됩니다. AzureML은 predictive modeling을 애플리케이션에 내장하는 프로세스를 단순화합니다.

사전 요구 사항#

이 가이드를 따르려면 활성화된 Azure subscription과 AzureML workspace에 대한 액세스 권한이 필요합니다. 워크스페이스가 설정되어 있지 않다면 공식 Azure documentation을참조하여 생성해 주세요.

컴퓨팅 인스턴스 생성#

AzureML의 컴퓨팅 인스턴스는 데이터 과학자를 위한 관리형 클라우드 기반 워크스테이션을 제공합니다.

1. AzureML 작업 영역으로 이동합니다.
2. 왼쪽 창에서 **Compute(컴퓨팅)**를 선택합니다.
3. Compute instances(컴퓨팅 인스턴스) 탭으로 이동하여 **New(새로 만들기)**를 클릭합니다.
4. 학습 또는 추론 요구사항에 따라 적절한 CPU 또는 GPU 리소스를 선택하여 인스턴스를 구성하세요.

터미널 열기#

컴퓨팅 인스턴스가 실행되면 AzureML 스튜디오에서 직접 해당 터미널에 액세스할 수 있습니다.

1. 왼쪽 창의 Notebooks(노트북) 섹션으로 이동합니다.
2. 상단 드롭다운 메뉴에서 컴퓨팅 인스턴스를 찾습니다.
3. 파일 브라우저 아래의 Terminal(터미널) 옵션을 클릭하여 인스턴스에 대한 명령줄 인터페이스를 엽니다.

YOLOv5 설정 및 실행#

이제 환경을 설정하고 Ultralytics YOLOv5를 실행해 보겠습니다.

가상 환경 생성#

종속성을 관리하기 위해 가상 환경을 사용하는 것이 모범 사례입니다. AzureML 연산 인스턴스에 사전 설치된 Conda를 사용하겠습니다. 자세한 Conda 설정 가이드는 Ultralytics Conda Quickstart Guide를 참조하세요.

특정 Python 버전을 사용하여 Conda 환경(예: yolov5env)을 만들고 활성화합니다:

conda create --name yolov5env -y python=3.10 # Create a new Conda environment
conda activate yolov5env                     # Activate the environment
conda install pip -y                         # Ensure pip is installed

YOLOv5 저장소 복제#

Git을 사용하여 GitHub에서 공식 Ultralytics YOLOv5 리포지토리를 복제합니다:

git clone https://github.com/ultralytics/yolov5 # Clone the repository
cd yolov5                                       # Navigate into the directory
# Initialize submodules (if any, though YOLOv5 typically doesn't require this step)
# git submodule update --init --recursive

종속성 설치#

requirements.txt 파일에 나열된 필수 Python 패키지를 설치합니다. 모델 내보내기 기능을 위해 ONNX도 설치합니다.

pip install -r requirements.txt # Install core dependencies
pip install "onnx>=1.12.0"      # Install ONNX for exporting

YOLOv5 작업 수행#

설정이 완료되었으므로 이제 YOLOv5 모델을 학습, 검증, 추론 및 내보내기할 수 있습니다.

• COCO128과 같은 데이터셋으로 모델을 **학습(Train)**합니다. 자세한 내용은 Training Mode 문서를 확인하세요.

  # Start training using yolov5s pretrained weights on the COCO128 dataset
  python train.py --data coco128.yaml --weights yolov5s.pt --img 640 --epochs 10 --batch 16

• Precision, Recall, mAP 등의 지표를 사용하여 학습된 모델의 성능을 **검증(Validate)**합니다. 옵션에 대한 내용은 Validation Mode 가이드를 참조하세요.

  # Validate the yolov5s model on the COCO128 validation set
  python val.py --weights yolov5s.pt --data coco128.yaml --img 640

• 새로운 이미지나 비디오에 대해 **추론을 실행(Run Inference)**합니다. 다양한 추론 소스에 대해서는 Prediction Mode 문서를 살펴보세요.

  # Run inference with yolov5s on sample images
  python detect.py --weights yolov5s.pt --source data/images --img 640

• 배포를 위해 모델을 ONNX, TensorRT 또는 CoreML과 같은 다양한 형식으로 내보냅니다(Export). Export Mode 가이드와 ONNX Integration 페이지를 참조하세요.

  # Export yolov5s to ONNX format
  python export.py --weights yolov5s.pt --include onnx --img 640

노트북 사용하기#

대화형 환경을 선호하는 경우 AzureML Notebook 내에서 이러한 명령을 실행할 수 있습니다. Conda 환경에 연결된 사용자 지정 IPython kernel을 생성해야 합니다.

새 IPython 커널 생성#

컴퓨팅 인스턴스 터미널에서 다음 명령을 실행합니다:

# Ensure your Conda environment is active
# conda activate yolov5env

# Install ipykernel if not already present
conda install ipykernel -y

# Create a new kernel linked to your environment
python -m ipykernel install --user --name yolov5env --display-name "Python (yolov5env)"

커널을 생성한 후 브라우저를 새로고침하세요. .ipynb 노트북 파일을 열거나 만들 때, 우측 상단의 커널 드롭다운 메뉴에서 새 커널("Python (yolov5env)")을 선택하세요.

노트북 셀에서 명령 실행#

• Python 셀: Python 셀의 코드는 선택한 yolov5env 커널을 사용하여 자동으로 실행됩니다.

• Bash 셀: 쉘 명령을 실행하려면 셀 시작 부분에 %%bash 매직 명령을 사용하세요. 노트북의 커널 환경 컨텍스트를 자동으로 상속하지 않으므로, 각 bash 셀 내에서 Conda 환경을 활성화해야 합니다.

  %%bash
  source activate yolov5env # Activate environment within the cell
  
  # Example: Run validation using the activated environment
  python val.py --weights yolov5s.pt --data coco128.yaml --img 640

축하합니다! AzureML에서 Ultralytics YOLOv5를 성공적으로 설정하고 실행했습니다. 추가 탐색을 위해 다른 Ultralytics Integrations 또는 자세한 YOLOv5 documentation을 확인해 보세요. 분산 학습이나 엔드포인트로서의 모델 배포와 같은 고급 시나리오의 경우 AzureML documentation도 유용할 것입니다.