YOLO Vision 2024에서 선보인 Lightning AI가 더 빠른 모델 학습, 배포 및 협업을 통해 확장 가능한 비전 AI 개발을 간소화하는 방법을 살펴보세요.
%252520(1).webp)
YOLO Vision 2024에서 선보인 Lightning AI가 더 빠른 모델 학습, 배포 및 협업을 통해 확장 가능한 비전 AI 개발을 간소화하는 방법을 살펴보세요.
숙련된 AI 개발자이든 이제 막 비전 AI를 탐색하기 시작한 초보자이든, 다음과 같은 컴퓨터 비전 모델을 가지고 놀고 실험할 수 있는 안정적인 환경이 필요합니다. Ultralytics YOLO11 가 핵심입니다. 환경이란 AI 모델을 효율적으로 설계, 테스트 및 배포하는 데 필요한 도구, 리소스 및 인프라를 말합니다.
여러 온라인 플랫폼에서 다양한 AI 도구를 제공하지만, 데이터 준비에서 모델 배포에 이르기까지 전체 AI 수명 주기를 위한 통합 환경을 제공하지는 않습니다. Lightning AI는 AI 개발을 위한 올인원 플랫폼으로, 데이터 준비에서 배포에 이르기까지 프로세스를 간소화합니다.
AI와 컴퓨터 비전의 발전에 초점을 맞춘 Ultralytics 주최하는 연례 하이브리드 행사인 YOLO Vision 2024(YV24)에서 AI 개발을 더 쉽게 만드는 것의 관련성을 선보였습니다. 라이트닝 AI의 CTO인 루카 안티가(Luca Antiga)는'라이트닝 스튜디오에서 YOLO '라는 제목의 기조 강연에서 라이트닝 AI를 사용하여 기술적 복잡성 없이 빠르고 원활하게 Ultralytics YOLO 모델을 훈련하는 방법을 자세히 설명했습니다.
이 글에서는 실제 컴퓨터 비전 애플리케이션부터 Lightning AI를 사용한 Ultralytics YOLO 모델 훈련 및 배포에 대한 라이브 데모까지, 루카의 강연에서 얻은 핵심 내용을 자세히 살펴보겠습니다. 시작해 보겠습니다!
루카는 기조연설을 시작하며 다양한 산업에 걸친 YOLO 모델의 영향력에 대한 자신의 생각과 감사를 공유했습니다. 그는 제조 및 농업과 같은 분야에서 YOLO 모델이 어떻게 적용될 수 있는지를 강조했습니다. 그는 '실제적이고 실용적인 문제를 해결해야 하는 건축가 커뮤니티에 YOLO 미친 영향에 감사한다'며 '이는 저와 매우 밀접한 관련이 있다'고 말했습니다.
AI 트레이닝에 대한 관심이 증가하는 추세와 관련하여, 그는 Lightning AI를 소개했습니다. Lightning AI는 AI 모델 개발을 더 빠르고, 간단하며, 모든 사람이 더 쉽게 접근할 수 있도록 설계된 플랫폼입니다. 특히 AI의 반복적인 발전을 지원하는 데 유용하며, 개발자가 모델을 개선하고 발전시키는 데 도움이 됩니다.
그는 또한 Lightning AI가 AI 모델 학습 과정을 간소화하는 프레임워크인 PyTorch Lightning과 유사하다고 지적했습니다. 하지만 Lightning AI는 AI 모델 학습뿐만 아니라 전체 AI 개발 프로세스를 위한 광범위한 도구와 기능을 제공하는 보다 포괄적인 플랫폼이라는 점에서 차이가 있습니다.
Lightning AI의 중요한 구성 요소는 AI 모델을 설계, 학습 및 배포할 수 있는 직관적인 작업 공간을 제공하여 전체 워크플로를 원활하고 효율적으로 만드는 Lightning Studios입니다. Lightning Studios를 클라우드에서 실행되는 AI를 위한 재현 가능한 개발 환경으로 생각할 수 있습니다. 예를 들어 복제하여 다른 개발자와 공유할 수 있는 Jupyter Notebook과 유사한 환경을 제공하여 협업을 개선하는 데 도움이 됩니다.
이어서 루카는 라이트닝 스튜디오의 장점에 대해 자세히 설명하며 "환경을 복제하는 것은 더 이상 문제가 되지 않습니다. CPU [중앙 처리 장치] 머신에서 GPU [그래픽 처리 장치] 머신으로 변경하거나 수천 대의 머신에서 훈련을 시작해야 하는 경우에도 환경이 영구적으로 유지됩니다."라고 설명합니다.
다음으로 루카는 Lightning 스튜디오를 얼마나 빠르게 시작할 수 있는지 시연했습니다. 몇 번의 클릭만으로 새 스튜디오를 열고 Jupyter 노트북과 VS Code와 같은 도구와 환경에 액세스하여 코딩할 수 있는 모든 설정과 준비를 마칠 수 있습니다. 그는 다른 기기 간에 전환하는 것이 얼마나 쉬운지 보여주었습니다. 작업 중인 작업에 더 많은 파워가 필요한 경우 CPU 더 강력한 GPU 쉽게 전환할 수 있습니다. GPU 사용 중일 때만 활성 상태로 유지되며, 그렇지 않으면 절전 모드로 전환되어 크레딧이 절약됩니다.
Luca는 또한 Studio Templates 사용의 이점에 대해서도 언급했습니다. Studio Templates는 커뮤니티에서 미리 만들어 놓은 AI 코딩 환경으로, 별도의 설정 없이 바로 사용할 수 있습니다. AI 프로젝트를 위한 환경을 설정하는 데 시간이 많이 소요될 수 있지만, Studio Templates는 생산성을 높이는 데 도움이 됩니다. 이러한 환경은 설치된 종속성, 모델 가중치, 데이터, 코드 등 AI 프로젝트에 필요한 모든 것이 미리 로드되어 제공됩니다.
그런 다음 루카는 라이브 데모로 넘어가서, Lightning Studio를 사용하여 Ultralytics YOLO 모델을 훈련하는 방법을 강조했습니다. 그는 이미 모든 종속성이 설치된 스튜디오 템플릿을 열고 4개의 GPU가 장착된 머신을 가동하여 훈련 프로세스의 속도를 높였습니다. 데이터와 관련해서는 머신에 직접 데이터를 저장하거나 클라우드에서 스트리밍하도록 선택할 수 있어 훈련 프로세스를 더 빠르고 효율적으로 만들 수 있다고 말했습니다.
몇 초 만에 장비가 준비되었고, Luca는 빠르게 학습 세션을 시작했습니다. 데모 중에 사소한 문제로 인해 장비가 예기치 않게 멈췄지만, Lightning Studios는 중단된 부분부터 원활하게 재개하여 진행 상황이 손실되지 않도록 했습니다. Luca는 이러한 안정성이 예기치 않은 중단에도 불구하고 원활한 워크플로를 어떻게 지원하는지 강조했습니다.
데모를 계속하면서 그는 머신러닝 지표를 실시간으로 시각화하는 도구인 TensorBoard를 사용하여 훈련 진행 상황을 얼마나 쉽게 모니터링할 수 있는지 보여주었습니다. Lightning Studio는 추가 설정 없이도 동일한 작업 공간에 있는 귀하 또는 귀하의 팀원이 TensorBoard 보기에 액세스할 수 있는 URL을 자동으로 생성하여 이를 훨씬 더 간소화합니다. 이를 통해 협업이 간소화되고 모든 사람이 같은 내용을 공유할 수 있습니다.
데모가 끝난 후 Luca는 Lightning AI에서 최근 출시한 새로운 프로젝트인 LitServe로 강연의 초점을 옮겼습니다. LitServe는 학습된 모델을 가져와 다른 사람들이 사용할 수 있는 확장 가능한 서비스로 전환하는 프로세스를 단순화하여 복잡한 배포 파이프라인의 필요성을 없애줍니다. 모델 패키징부터 최소한의 노력으로 배포까지 모든 것을 처리하도록 설계되었습니다.
이를 실시간으로 보여주기 위해 루카는 사전에 교육받은 Ultralytics YOLOv8 모델을 사용하여 간단한 데모를 보여주었습니다. 그는 들어오는 요청을 처리하고 몇 초 만에 이미지 예측을 반환하는 간단한 API를 만들 수 있었습니다. 즉, 누구나 이미지로 이 API를 핑하여 물체 감지와 같은 컴퓨터 비전 작업에 대한 결과를 거의 즉시 받을 수 있습니다. 그 이면에는 Ultralytics YOLOv8 모델이 서비스 형태로 배포되어 요청을 효율적으로 처리하고 이미지를 처리하며 최소한의 지연 시간으로 예측을 제공합니다.
그는 피자 이미지에 대한 추론을 실행했고, Ultralytics YOLOv8 피자, 숟가락, 식탁과 같은 물체를 성공적으로 식별했습니다. 그는 첫 번째 요청은 '콜드 스타트'로 인해 약간 더 오래 걸리지만, 시스템이 예열되면 후속 요청은 훨씬 더 빨라진다고 설명했습니다.
Luca는 이어서 '이것을 외부 세계에 노출하고 싶다면 어떻게 해야 할까요?'라고 질문했습니다. 그는 API Builder 플러그인을 사용하면 모델을 라이브 프로덕션 환경에서 바로 사용할 수 있는 서비스로 간단하게 전환할 수 있다고 설명했습니다. 사용자 정의 도메인, 추가 보안 및 원활한 통합과 같은 기능을 통해 누구나 쉽게 모델에 액세스할 수 있도록 할 수 있습니다.
Luca는 강연을 마무리하면서 AI 개발을 위한 Lightning Studio의 확장성과 유연성에 대해 언급했습니다. 그는 이 플랫폼이 여러 장비에서 모델을 학습시키고 최대 10,000개의 노드로 확장할 수 있으며, 중단 후 자동으로 재개되는 내결함성 학습을 제공한다고 언급했습니다.
예를 들어, 하드웨어 문제나 서버 재부팅으로 인해 GPU 클러스터의 트레이닝 작업이 중단된 경우, Lightning Studios는 프로세스가 중단된 지점부터 정확히 다시 시작되도록 합니다. 따라서 대규모 데이터 세트에 대한 딥 러닝 모델 훈련과 같은 대규모 AI 프로젝트에 이상적입니다. COCO.
Luca가 언급한 Lightning Studios의 다른 주요 이점은 다음과 같습니다.
루카는 YV24의 기조연설에서 AI가 Ultralytics YOLO 모델 및 Lightning AI와 같은 도구와 결합하여 실제 문제를 해결하는 방식을 어떻게 변화시키고 있는지에 대해 강조했습니다. 이러한 도구를 사용하면 개발자가 다양한 산업 분야의 특정 문제를 해결하도록 설계된 모델을 더 쉽게 훈련하고 배포할 수 있습니다.
그는 라이트닝 스튜디오가 어떻게 전체 개발 프로세스를 더 빠르고 더 쉽게 만들어 개발자가 강력한 솔루션을 쉽게 만들 수 있도록 지원하는지 설명했습니다. Lightning AI와 같은 최첨단 플랫폼의 핵심인 컴퓨터 비전 모델은 AI 솔루션이 문제를 처리하는 방식을 혁신하고 있습니다. 특히 최신 Ultralytics YOLO11 모델을 통해 개발자는 의미 있는 영향력을 발휘하는 솔루션을 구축할 수 있습니다.
AI 및 실제 사용에 대한 최신 정보를 얻으려면 커뮤니티에 참여하세요. GitHub 저장소를 확인하여 자율 주행 자동차의 AI 및 헬스케어 분야의 컴퓨터 비전과 같은 분야의 혁신을 탐색해 보세요.
