Lightning AI에서 Ultralytics YOLO 모델 맞춤형 학습하기

숙련된 AI 개발자이든 이제 막 vision AI를 탐색하기 시작한 초보자이든, Ultralytics YOLO11과 같은 컴퓨터 비전 모델을 자유롭게 다루고 실험할 수 있는 안정적인 환경을 갖추는 것이 중요합니다. 환경이란 AI 모델을 효율적으로 설계, 테스트 및 배포하는 데 필요한 도구, 리소스 및 인프라를 의미합니다.

여러 온라인 플랫폼에서 다양한 AI 도구를 제공하지만, 많은 경우 데이터 준비부터 모델 배포에 이르는 전체 AI 수명 주기를 위한 통합 환경을 제공하지 않습니다. 바로 이 지점에서 AI 개발을 위한 올인원 플랫폼인 Lightning AI가 데이터 준비부터 배포까지의 과정을 간소화하는 역할을 합니다.

AI 개발을 더 쉽게 만드는 것의 중요성은 Ultralytics가 주최하는 연례 하이브리드 이벤트이자 AI 및 컴퓨터 비전의 발전에 초점을 맞춘 YOLO Vision 2024 (YV24)에서 소개되었습니다. Lightning AI의 CTO인 Luca Antiga는 'Going YOLO on Lightning Studios'라는 제목의 기조연설을 통해 Lightning AI를 사용하여 기술적인 복잡성에 얽매이지 않고 빠르고 원활하게 Ultralytics YOLO 모델을 학습시키는 방법을 설명했습니다.

이 기사에서는 실제 컴퓨터 비전 애플리케이션부터 Lightning AI를 사용하여 Ultralytics YOLO 모델을 학습 및 배포하는 라이브 데모에 이르기까지 Luca의 연설에서 얻은 핵심 내용을 다룰 것입니다. 시작해 보겠습니다!

Link to this sectionLightning AI와 Ultralytics YOLO를 활용하여 AI 개발 간소화하기#

Luca는 기조연설을 시작하며 다양한 산업 전반에 걸친 YOLO 모델의 영향력에 대한 생각과 감사를 전했습니다. 그는 YOLO 모델이 제조 및 농업과 같은 분야에 어떻게 적용될 수 있는지 강조하며 다음과 같이 말했습니다. "저는 YOLO가 실제적이고 실용적인 문제를 해결해야 하는 빌더 커뮤니티에 미친 영향에 감사합니다. 이는 저에게 매우 친숙한 분야입니다."

AI 학습에 대한 관심이 커지는 것과 관련하여, 그는 모든 사람에게 AI 모델 개발을 더 빠르고 단순하며 접근하기 쉽게 만들기 위해 설계된 플랫폼인 Lightning AI를 소개했습니다. 이 플랫폼은 특히 AI의 반복적인 발전을 지원하고 개발자가 모델을 정교화하고 개선하도록 돕는 데 매우 유용합니다.

Fig 1. YV24에서 Lightning Studios에 대해 원격으로 발표하는 Luca Antiga.

그는 또한 Lightning AI가 AI 모델 학습 과정을 단순화하는 프레임워크인 PyTorch Lightning과 유사하다고 지적했습니다. 그러나 차이점은 Lightning AI가 단지 AI 모델 학습뿐만 아니라 전체 AI 개발 프로세스를 위한 더 광범위한 도구와 기능을 제공하는 포괄적인 플랫폼이라는 점입니다.

Lightning AI의 핵심 구성 요소는 Lightning Studios로, AI 모델을 설계, 학습 및 배포하기 위한 직관적인 작업 공간을 제공하여 전체 워크플로우를 원활하고 효율적으로 만듭니다. Lightning Studios는 클라우드에서 실행되는 AI용 재현 가능한 개발 환경으로 생각할 수 있습니다. 예를 들어, 복제하여 다른 개발자와 공유할 수 있는 Jupyter Notebook과 유사한 환경을 제공하여 협업을 개선하는 데 도움을 줍니다.

Luca는 이어 Lightning Studios의 장점을 다음과 같이 설명했습니다. "환경을 복제하는 것은 더 이상 문제가 되지 않습니다. CPU[중앙 처리 장치] 머신에서 GPU[그래픽 처리 장치] 머신으로 변경해야 하거나 수천 대의 머신에서 학습을 시작해야 하더라도 환경은 지속적으로 유지됩니다."

Link to this section학습 및 개발을 위한 Lightning Studios 설정하기#

다음으로, Luca는 Lightning Studios를 얼마나 빨리 시작할 수 있는지 시연했습니다. 단 몇 번의 클릭만으로 새로운 스튜디오를 열고 Jupyter Notebook 및 VS Code와 같은 도구와 환경에 액세스하여 코딩을 준비할 수 있습니다. 그는 서로 다른 머신 간에 전환하는 것이 얼마나 쉬운지 보여주었습니다. 작업 중인 작업에 더 많은 성능이 필요한 경우 CPU에서 더 강력한 GPU로 쉽게 전환할 수 있습니다. GPU는 사용 중일 때만 활성화되며, 그렇지 않은 경우 절전 모드로 전환되어 크레딧을 절약합니다.

Luca는 또한 Studio Templates 사용의 이점을 언급했습니다. 이는 커뮤니티에서 미리 만든 AI 코딩 환경으로, 아무것도 설정할 필요 없이 바로 사용할 수 있습니다. AI 프로젝트를 위한 환경을 설정하는 것은 시간이 많이 걸릴 수 있는데, Studio Templates는 생산성을 높이는 데 도움이 될 수 있습니다. 이러한 환경에는 설치된 종속성, 모델 가중치, 데이터, 코드 등 AI 프로젝트에 필요한 모든 것이 미리 로드되어 있습니다.

Fig 2. Studio Templates가 무엇인지 설명하는 Luca.

Link to this sectionLightning Studios에서 Ultralytics YOLO 모델 학습하기#

그런 다음 Luca는 라이브 데모로 넘어가 Lightning Studio를 사용하여 Ultralytics YOLO 모델을 학습시키는 방법을 강조했습니다. 그는 이미 모든 종속성이 설치된 Studio Template을 열고 4개의 GPU가 탑재된 머신을 실행하여 학습 프로세스 속도를 높였습니다. 데이터와 관련하여 그는 데이터를 머신에 직접 저장하거나 클라우드에서 스트리밍하도록 선택하여 학습 프로세스를 더 빠르고 효율적으로 만들 수 있다고 말했습니다.

몇 초 만에 머신이 준비되었고, Luca는 빠르게 학습 세션을 시작했습니다. 데모 도중 사소한 문제로 머신이 예기치 않게 멈췄지만, Lightning Studios는 중단된 지점부터 원활하게 재개하여 진행 상황이 손실되지 않도록 했습니다. Luca는 이러한 신뢰성이 예기치 않은 중단 상황에서도 어떻게 원활한 워크플로우를 지원하는지 지적했습니다.

데모를 계속하면서 그는 머신 러닝 지표를 실시간으로 시각화하는 도구인 TensorBoard를 사용하여 학습 진행 상황을 모니터링하는 것이 얼마나 쉬운지 보여주었습니다. Lightning Studio는 동일한 작업 공간에 있는 귀하 또는 귀하의 팀원이 추가 설정 없이 TensorBoard 보기에 액세스할 수 있는 URL을 자동으로 생성하여 이를 더욱 단순화합니다. 이는 협업을 간소화하고 모든 사람이 동일한 정보를 공유하도록 유지합니다.

Fig 3. Lightning Studios에서 Ultralytics YOLO 모델을 학습시키는 흐름도. 이미지 저자 제공.

Link to this sectionLitServe로 Ultralytics YOLO 모델 배포하기#

데모 후 Luca는 발표의 초점을 Lightning AI가 최근 출시한 새로운 프로젝트인 LitServe로 옮겼습니다. LitServe는 학습된 모델을 가져와 다른 사람들이 사용할 수 있는 확장 가능한 서비스로 전환하는 과정을 간소화하여 복잡한 배포 파이프라인의 필요성을 제거합니다. 이는 모델 패키징부터 최소한의 노력으로 배포하는 것까지 모든 것을 처리하도록 설계되었습니다.

실시간으로 이를 보여주기 위해 Luca는 사전 학습된 Ultralytics YOLOv8 모델을 사용하여 청중에게 빠른 데모를 선보였습니다. 그는 들어오는 요청을 처리하고 이미지 예측 결과를 몇 초 만에 반환하는 간단한 API를 만들 수 있었습니다. 이는 누구나 이 API에 이미지로 핑을 보내고 객체 감지와 같은 컴퓨터 비전 작업에 대한 결과를 즉시 받을 수 있음을 의미합니다. 내부적으로 Ultralytics YOLOv8 모델은 서비스로 배포되어 효율적으로 요청을 처리하고 이미지를 처리하며 최소한의 지연 시간으로 예측 결과를 전달합니다.

Fig 4. YV24 동안 Lightning AI의 LitServe를 선보이는 Luca.

그는 피자 이미지에 대한 추론을 실행했고, Ultralytics YOLOv8은 피자, 숟가락, 식탁과 같은 객체를 성공적으로 식별했습니다. 그는 첫 번째 요청은 '콜드 스타트'로 인해 약간 더 오래 걸리지만, 시스템이 예열되면 후속 요청은 훨씬 더 빠르다고 설명했습니다.

Luca는 이어 "외부 세계에 이를 노출하고 싶다면 어떻게 해야 할까요?"라고 물었습니다. 그는 API Builder 플러그인이 어떻게 모델을 실시간 운영 환경 준비가 완료된 서비스로 간단하게 전환하는지 설명했습니다. 사용자 지정 도메인, 추가 보안 및 원활한 통합과 같은 기능을 통해 누구나 쉽게 모델에 액세스할 수 있도록 만들 수 있습니다.

Link to this sectionLightning Studios 사용의 주요 이점#

발표를 마무리하며 Luca는 AI 개발을 위한 Lightning Studio의 확장성과 유연성에 대해 언급했습니다. 그는 이 플랫폼이 어떻게 여러 머신에서 모델을 학습시키고, 최대 10,000개 노드까지 확장하며, 중단 후 자동으로 재개되는 결함 허용 학습을 지원하는지 설명했습니다.

For instance, if a training job on a GPU cluster is interrupted due to a hardware issue or a server reboot, Lightning Studios makes sure the process resumes exactly where it left off. This makes it ideal for large-scale AI projects, like training deep learning models on massive datasets such as ImageNet or COCO.

Luca가 언급한 Lightning Studios의 다른 주요 이점은 다음과 같습니다.

• 무료 월간 GPU 크레딧: 사용자에게 매달 15개의 무료 GPU 크레딧이 제공되며, 이는 자동으로 충전되므로 추가 비용 없이 실험하고 개발할 수 있습니다.
• 향상된 협업: Lightning Studio의 공유 팀 공간과 재현 가능한 환경은 팀원이 원활하게 협력할 수 있게 하여 프로젝트 전반의 일관성과 효율성을 보장합니다.
• 유연한 인스턴스 옵션: 중단 가능(interruptible) 인스턴스와 중단 불가능(non-interruptible) 인스턴스 중에서 선택할 수 있는 유연성을 제공하여, 사용자가 중단 가능한 옵션으로 GPU 머신 비용을 절약할 수 있습니다.
• 기존 도구와의 통합: 이 플랫폼은 SSH(Secure Socket Shell) 및 VS Code와 같은 원격 개발 도구와 통합되어 로컬이나 클라우드에서 작업할 수 있는 유연성을 제공합니다.

Link to this section핵심 요약#

YV24에서 Luca의 기조연설은 AI가 Ultralytics YOLO 모델 및 Lightning AI와 같은 도구와 결합되어 우리가 실제 문제를 해결하는 방식을 어떻게 변화시키고 있는지 강조했습니다. 이러한 도구는 개발자가 다양한 산업의 특정 문제를 해결하도록 설계된 모델을 더 쉽게 학습시키고 배포할 수 있도록 합니다.

그는 Lightning Studios가 어떻게 전체 개발 프로세스를 더 빠르고 접근하기 쉽게 만들어 개발자가 강력한 솔루션을 쉽게 구축할 수 있는지 설명했습니다. Lightning AI와 같은 최첨단 플랫폼의 핵심에서 컴퓨터 비전 모델은 AI 솔루션이 과제를 처리하는 방식을 변화시키고 있습니다. 특히 최신 Ultralytics YOLO11 모델을 통해 개발자는 의미 있는 영향을 미치는 솔루션을 구축할 수 있습니다.

AI와 그 실제적인 활용 사례에 대한 최신 정보를 확인하려면 우리 커뮤니티에 가입하십시오. 우리 GitHub 저장소를 확인하여 AI 자율 주행 자동차 및 의료 분야의 컴퓨터 비전과 같은 분야의 혁신을 살펴보십시오.