YOLO Vision 2024에서 선보인 Lightning AI가 더 빠른 모델 학습, 배포 및 협업을 통해 확장 가능한 Vision AI 개발을 어떻게 간소화하는지 살펴보세요.
%252520(1).webp)
YOLO Vision 2025를 놓치지 마세요!
2025년 9월 25일
10:00 — 18:00 BST
하이브리드 이벤트
YOLO Vision 2024에서 선보인 Lightning AI가 더 빠른 모델 학습, 배포 및 협업을 통해 확장 가능한 Vision AI 개발을 어떻게 간소화하는지 살펴보세요.
숙련된 AI 개발자이든 비전 AI를 처음 탐색하는 사람이든, Ultralytics YOLO11과 같은 컴퓨터 비전 모델을 자유롭게 사용하고 실험할 수 있는 안정적인 환경을 갖는 것이 중요합니다. 여기서 환경이란 AI 모델을 효율적으로 설계, 테스트 및 배포하는 데 필요한 도구, 리소스 및 인프라를 의미합니다.
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.
AI 개발을 더 쉽게 만드는 것의 관련성은 Ultralytics에서 주최한 연례 하이브리드 이벤트인 YOLO Vision 2024(YV24)에서 입증되었으며, 이 이벤트는 AI 및 컴퓨터 비전의 발전에 중점을 두었습니다. Lightning AI의 CTO인 Luca Antiga는 'Lightning Studios에서 YOLO 시작하기'라는 기조 연설을 통해 Lightning AI를 사용하여 기술적 복잡성에 관여하지 않고도 Ultralytics YOLO 모델을 빠르고 원활하게 학습하는 방법을 분석했습니다.
이번 글에서는 실제 컴퓨터 비전 애플리케이션부터 Lightning AI를 사용한 Ultralytics YOLO 모델의 훈련 및 배포에 대한 라이브 데모에 이르기까지 Luca의 강연에서 얻을 수 있는 주요 내용들을 다룰 것입니다. 그럼 시작해 볼까요!
Luca는 기조연설을 시작하면서 다양한 산업 분야에서 YOLO 모델이 미치는 영향에 대한 생각과 감사를 표했습니다. 그는 YOLO 모델이 제조 및 농업과 같은 분야에서 어떻게 적용될 수 있는지 강조하면서 '저는 YOLO가 실제적이고 실용적인 문제를 해결해야 하는 빌더 커뮤니티에 미친 영향에 감사드립니다. 이는 저에게 매우 중요합니다.'라고 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 훈련 프로세스를 단순화하는 프레임워크인 PyTorch Lightning와 유사하다고 지적했습니다. 그러나 Lightning AI는 AI 모델 훈련뿐만 아니라 전체 AI 개발 프로세스에 대한 광범위한 도구 및 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.
Luca는 Lightning Studios의 장점에 대해 자세히 설명하면서 '더 이상 환경을 복제하는 데 어려움을 겪을 필요가 없습니다. CPU [중앙 처리 장치] 시스템에서 GPU [그래픽 처리 장치] 시스템으로 변경하거나 수천 대의 시스템에서 학습을 시작해야 하는 경우에도 환경은 영구적으로 유지됩니다.'라고 말했습니다.
다음으로, Luca는 Lightning Studios를 얼마나 빨리 시작할 수 있는지 시연했습니다. 몇 번의 클릭만으로 새로운 스튜디오를 열고 Jupyter Notebook 및 VS Code와 같은 도구 및 환경에 액세스하여 코딩할 준비를 모두 마칠 수 있습니다. 그는 다른 머신 간에 얼마나 쉽게 전환할 수 있는지 보여주었습니다. 작업 중인 작업에 더 많은 성능이 필요한 경우 CPU에서 더 강력한 GPU로 쉽게 전환할 수 있습니다. GPU는 사용 중인 동안에만 활성 상태를 유지하고, 그렇지 않으면 절전 모드로 전환되어 크레딧을 절약합니다.
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.
Luca는 라이브 데모로 넘어가서 Lightning Studio를 사용하여 Ultralytics YOLO 모델을 학습하는 방법을 강조했습니다. 그는 이미 모든 종속성이 설치된 Studio Template을 열고 학습 프로세스 속도를 높이기 위해 4개의 GPU가 장착된 시스템을 가동했습니다. 데이터와 관련하여 그는 데이터를 시스템에 직접 저장하거나 클라우드에서 스트리밍할 수 있어 학습 프로세스가 더 빠르고 효율적이라고 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 Luca는 미리 학습된 Ultralytics YOLOv8 모델을 사용하여 청중에게 간단한 데모를 제공했습니다. 그는 들어오는 요청을 처리하고 몇 초 안에 이미지 예측을 반환하는 간단한 API를 만들 수 있었습니다. 즉, 누구나 이미지를 사용하여 이 API를 핑하고 객체 감지와 같은 컴퓨터 비전 작업에 대한 결과를 거의 즉시 받을 수 있습니다. 백그라운드에서 Ultralytics YOLOv8 모델은 서비스로 배포되어 요청을 효율적으로 처리하고, 이미지를 처리하고, 최소한의 대기 시간으로 예측을 제공합니다.
그는 피자 이미지에 대한 추론을 실행했고, Ultralytics YOLOv8은 피자, 숟가락, 식탁과 같은 객체를 성공적으로 식별했습니다. 그는 첫 번째 요청은 '콜드 스타트'로 인해 시간이 약간 더 걸리지만, 시스템이 워밍업되면 후속 요청은 훨씬 더 빠르다고 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 문제 또는 서버 재부팅으로 인해 GPU 클러스터에서 훈련 작업이 중단되는 경우 Lightning Studios는 프로세스가 중단된 위치에서 정확히 다시 시작되도록 합니다. 따라서 ImageNet 또는 COCO와 같은 대규모 데이터 세트에서 딥 러닝 모델을 훈련하는 것과 같은 대규모 AI 프로젝트에 이상적입니다.
Luca가 언급한 Lightning Studios의 다른 주요 이점은 다음과 같습니다.
YV24에서 Luca의 기조연설은 AI가 Ultralytics YOLO 모델 및 Lightning AI와 같은 도구와 결합되어 실제 문제를 해결하는 방식을 어떻게 변화시키고 있는지 강조했습니다. 이러한 도구는 개발자가 다양한 산업 분야의 특정 문제를 해결하도록 설계된 모델을 더 쉽게 학습하고 배포할 수 있도록 합니다.
그는 Lightning Studios가 전체 개발 프로세스를 더 빠르고 접근하기 쉽게 만들어 개발자가 강력한 솔루션을 쉽게 만들 수 있도록 지원하는 방법을 설명했습니다. Lightning AI와 같은 최첨단 플랫폼의 핵심에는 컴퓨터 비전 모델이 AI 솔루션이 문제를 처리하는 방식을 혁신하고 있습니다. 특히 최신 Ultralytics YOLO11 모델을 통해 개발자는 의미 있는 영향을 미치는 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.
.webp)