Lightning AI에서 Ultralytics YOLO 모델 맞춤 학습하기

숙련된 AI 개발자든 비전 AI를 이제 막 알아보기 시작한 사람이든, Ultralytics YOLO11과 같은 컴퓨터 비전 모델을 실험하고 테스트할 수 있는 안정적인 환경은 필수적입니다. 환경이란 AI 모델을 효율적으로 설계하고 테스트하며 배포하는 데 필요한 도구, 리소스, 인프라를 의미합니다.

여러 온라인 플랫폼에서 다양한 AI 도구를 제공하지만, 데이터 준비부터 모델 배포까지 AI 라이프사이클 전체를 아우르는 통합 환경을 제공하지 않는 경우가 많습니다. AI 개발을 위한 올인원 플랫폼인 Lightning AI는 데이터 준비부터 배포까지의 프로세스를 간소화합니다.

AI 개발을 더 쉽게 만드는 것의 중요성은 Ultralytics가 매년 개최하는 하이브리드 행사로 AI 및 컴퓨터 비전의 발전을 다룬 YOLO Vision 2024 (YV24)에서 조명되었습니다. Lightning AI의 CTO인 Luca Antiga는 'Lightning Studios에서 YOLO 활용하기'라는 제목의 기조연설에서 Lightning AI를 사용해 기술적 복잡성에 얽매이지 않고 Ultralytics YOLO 모델을 빠르고 원활하게 학습시키는 방법을 설명했습니다.

이 글에서는 실제 컴퓨터 비전 활용 사례부터 Lightning AI를 사용해 Ultralytics YOLO 모델을 학습하고 배포하는 라이브 데모까지, Luca의 발표에서 얻을 수 있는 주요 내용을 살펴보겠습니다.

Lightning AI와 Ultralytics YOLO로 AI 개발 간소화하기#

Luca는 기조연설을 시작하며 다양한 산업 분야에서 YOLO 모델이 미친 영향에 대한 생각과 감사를 전했습니다. 그는 제조업과 농업 같은 분야에서 YOLO 모델을 활용할 수 있다고 강조했습니다. 그는 '실제적이고 실용적인 문제를 해결해야 하는 개발자 커뮤니티에 YOLO가 미친 영향이 참 고맙습니다. 이 점은 저에게 매우 중요한 의미가 있습니다.'라고 말했습니다.

AI 학습에 대한 관심이 높아지는 흐름과 연결해, 그는 누구나 AI 모델을 더 빠르고 간편하며 쉽게 개발하도록 설계된 플랫폼인 Lightning AI를 소개했습니다. Lightning AI는 특히 AI의 반복적인 발전을 지원하는 데 유용하며, 개발자가 모델을 개선하고 다듬도록 돕습니다.

그림 1. YV24에서 Lightning Studios에 대해 원격 발표 중인 Luca Antiga.

그는 또한 Lightning AI가 AI 모델 학습 프로세스를 간소화하는 프레임워크인 PyTorch Lightning과 유사하다고 설명했습니다. 하지만 Lightning AI는 AI 모델 학습에만 국한되지 않고 AI 개발 프로세스 전체를 위한 더 폭넓은 도구와 기능을 제공하는 포괄적인 플랫폼이라는 점에서 차이가 있습니다.

Lightning AI의 핵심 구성 요소인 Lightning Studios는 AI 모델을 설계하고 학습하며 배포할 수 있는 직관적인 작업 공간을 제공하여 전체 워크플로를 더 원활하고 효율적으로 만듭니다. Lightning Studios는 클라우드에서 실행되는 재현 가능한 AI 개발 환경이라고 생각하면 됩니다. 예를 들어, 다른 개발자와 복제하고 공유할 수 있는 Jupyter Notebook과 유사한 환경을 제공해 협업을 개선합니다.

Luca는 이어서 Lightning Studios의 장점을 설명하며 “환경을 복제하는 일은 더 이상 문제가 아닙니다. CPU [중앙 처리 장치] 머신에서 GPU [그래픽 처리 장치] 머신으로 바꾸거나 1,000대의 머신에서 학습을 시작해야 하더라도 환경은 계속 유지됩니다.”라고 말했습니다.

학습 및 개발을 위한 Lightning Studios 설정#

이어 Luca는 Lightning Studios를 얼마나 빠르게 시작할 수 있는지 시연했습니다. 몇 번의 클릭만으로 새 스튜디오를 열고, Jupyter Notebooks 및 VS Code와 같은 도구와 환경을 코딩에 바로 사용할 수 있도록 준비할 수 있습니다. 그는 여러 머신 간 전환이 얼마나 쉬운지도 보여주었습니다. 작업에 더 많은 성능이 필요하면 CPU에서 더 강력한 GPU로 쉽게 전환할 수 있습니다. GPU는 사용 중일 때만 활성 상태를 유지하고, 사용하지 않을 때는 절전 모드로 전환되어 크레딧을 절약합니다.

Luca는 Studio Templates 사용의 이점도 언급했습니다. Studio Templates는 커뮤니티에서 미리 만든 AI 코딩 환경으로, 별도의 설정 없이 사용할 수 있습니다. AI 프로젝트용 환경을 설정하는 데는 시간이 걸릴 수 있으며, Studio Templates는 생산성을 높이는 데 도움이 됩니다. 이러한 환경에는 설치된 종속성, 모델 가중치, 데이터, 코드 등 AI 프로젝트에 필요한 모든 항목이 미리 포함되어 있습니다.

그림 2. Studio Templates가 무엇인지 설명하는 Luca.

Lightning Studios에서 Ultralytics YOLO 모델 학습하기#

이어서 Luca는 라이브 데모를 진행하며 Lightning Studio를 사용해 Ultralytics YOLO 모델을 학습하는 방법을 보여주었습니다. 모든 종속성이 이미 설치된 Studio Template을 열고, 학습 속도를 높이기 위해 GPU 4개가 탑재된 머신을 시작했습니다. 데이터와 관련해서는 머신에 직접 저장하거나 클라우드에서 스트리밍할 수 있어 학습 프로세스를 더 빠르고 효율적으로 진행할 수 있다고 설명했습니다.

몇 초 만에 머신이 준비되었고 Luca는 곧바로 학습 세션을 시작했습니다. 데모 도중 사소한 문제로 머신이 예기치 않게 중단되었지만, Lightning Studios가 중단된 지점부터 다시 시작해 진행 상황이 손실되지 않도록 했습니다. Luca는 예상치 못한 중단이 발생하더라도 이러한 안정성이 원활한 워크플로를 지원한다고 강조했습니다.

데모를 이어가며 그는 머신러닝 지표를 실시간으로 시각화하는 도구인 TensorBoard를 사용해 학습 진행 상황을 쉽게 모니터링하는 방법을 보여주었습니다. Lightning Studio는 같은 작업 공간에 있는 사용자나 팀원이 별도의 설정 없이 TensorBoard 뷰에 액세스할 수 있도록 URL을 자동으로 생성해 이 과정을 더욱 간단하게 만듭니다. 이를 통해 협업이 원활해지고 모든 구성원이 같은 정보를 공유할 수 있습니다.

그림 3. Lightning Studios에서 Ultralytics YOLO 모델을 학습하는 흐름도. 이미지 제공: 작성자.

LitServe로 Ultralytics YOLO 모델 배포하기#

데모가 끝난 뒤 Luca는 최근 Lightning AI가 출시한 새 프로젝트 LitServe로 강연의 초점을 옮겼습니다. LitServe는 복잡한 배포 파이프라인을 거치지 않고도 학습된 모델을 다른 사람이 사용할 수 있는 확장 가능한 서비스로 전환하는 프로세스를 간소화합니다. 모델 패키징부터 배포까지 모든 과정을 최소한의 노력으로 처리하도록 설계되었습니다.

이를 실시간으로 보여주기 위해 Luca는 사전 학습된 Ultralytics YOLOv8 모델을 사용해 간단한 데모를 진행했습니다. 그는 요청을 처리하고 이미지 예측 결과를 반환하는 간단한 API를 몇 초 만에 만들 수 있었습니다. 즉, 누구나 이미지와 함께 이 API를 호출하면 객체 감지와 같은 컴퓨터 비전 작업의 결과를 거의 즉시 받을 수 있습니다. 백그라운드에서는 Ultralytics YOLOv8 모델이 서비스로 배포되어 요청을 효율적으로 처리하고 이미지를 분석하며 지연 시간을 최소화해 예측 결과를 제공합니다.

그림 4. YV24에서 Lightning AI의 LitServe를 소개하는 Luca.

그는 피자 이미지에 추론을 실행했고, Ultralytics YOLOv8은 피자, 숟가락, 식탁 등의 객체를 성공적으로 식별했습니다. 그는 첫 번째 요청은 '콜드 스타트'로 인해 약간 더 오래 걸리지만, 시스템이 준비된 이후의 요청은 훨씬 빠르다고 설명했습니다.

Luca는 이어서 '이 모델을 외부에 공개하려면 어떻게 해야 할까요?'라고 물었습니다. 그는 API Builder 플러그인을 사용하면 모델을 실제 운영 환경에 바로 사용할 수 있는 서비스로 간편하게 전환할 수 있다고 설명했습니다. 커스텀 도메인, 강화된 보안 및 간편한 통합 기능을 통해 누구나 모델에 접근할 수 있도록 쉽게 설정할 수 있습니다.

Lightning Studios 사용의 주요 장점#

강연을 마무리하며 Luca는 AI 개발을 위한 Lightning Studio의 확장성과 유연성을 언급했습니다. 이 플랫폼은 여러 머신에서 모델을 학습하고 최대 10,000개 노드까지 확장할 수 있으며, 중단이 발생하면 자동으로 재개하는 내결함성 학습을 지원한다고 설명했습니다.

예를 들어, 하드웨어 문제나 서버 재부팅으로 GPU 클러스터의 학습 작업이 중단되더라도 Lightning Studios는 중단된 지점부터 프로세스를 정확히 재개합니다. 따라서 ImageNet이나 COCO와 같은 대규모 데이터셋으로 딥러닝 모델을 학습하는 대규모 AI 프로젝트에 적합합니다.

Luca가 소개한 Lightning Studios의 다른 주요 장점은 다음과 같습니다.

• 매월 제공되는 무료 GPU 크레딧: 사용자에게 매월 무료 GPU 크레딧 15개가 제공되며 자동으로 충전되므로, 추가 비용 없이 실험하고 개발할 수 있습니다.
• 향상된 협업: Lightning Studio의 공유 팀 공간과 재현 가능한 환경을 통해 팀원들이 함께 작업할 수 있어 프로젝트 전반의 일관성과 효율성을 높입니다.
• 유연한 인스턴스 옵션: 중단 가능한 인스턴스와 중단 불가능한 인스턴스 중에서 선택할 수 있어, 사용자는 중단 가능한 옵션을 통해 GPU 머신 비용을 절감할 수 있습니다.
• 기존 도구와의 통합: 플랫폼은 SSH(보안 셸), VS Code와 같은 원격 개발 도구와 통합되어 로컬 또는 클라우드에서 유연하게 작업할 수 있도록 지원합니다.

핵심 요점#

YV24에서 진행된 Luca의 기조연설은 Ultralytics YOLO 모델 및 Lightning AI와 같은 도구가 결합된 AI가 실제 문제를 해결하는 방식을 어떻게 바꾸고 있는지 보여주었습니다. 이러한 도구를 통해 개발자는 다양한 산업의 구체적인 문제를 해결하도록 설계된 모델을 더 쉽게 학습하고 배포할 수 있습니다.

그는 Lightning Studios를 통해 전체 개발 과정이 더 빠르고 접근하기 쉬워져 개발자가 강력한 솔루션을 쉽게 만들 수 있다고 설명했습니다. Lightning AI와 같은 플랫폼의 핵심에는 AI 솔루션이 과제를 해결하는 방식을 바꾸는 컴퓨터 비전 모델이 있습니다. 특히 Ultralytics YOLO11과 후속 모델인 Ultralytics YOLO26을 사용하면 개발자는 의미 있는 영향을 미치는 솔루션을 구축할 수 있습니다.

AI와 AI의 실용적인 활용에 대한 최신 소식을 확인하려면 커뮤니티에 참여하세요. GitHub 저장소를 확인해 자율주행 자동차 및 의료 분야의 컴퓨터 비전과 같은 분야의 혁신을 살펴보세요.