JupyterLab 통합을 사용하여 Ultralytics YOLO11 학습하기

컴퓨터 비전 모델을 작업하는 것은 특히 모델이 우수한 성능을 보이는 것을 확인할 때 매우 흥미로운 일입니다. 일반적으로 컴퓨터 비전 개발 프로세스에는 데이터셋 준비 및 Ultralytics YOLO11과 같은 모델 미세 조정(fine-tuning)과 같은 몇 가지 간단한 단계가 포함됩니다. 하지만 개발 환경 설정과 같이 초보자에게는 이 과정 중 몇 부분이 어려울 수 있습니다. 바로 이러한 이유로 Ultralytics는 이러한 단계를 더 쉽게 만들어 주는 JupyterLab과 같은 통합을 지원합니다.

특히 JupyterLab 통합은 컴퓨터 비전 모델을 탐색하고 실험하는 과정을 간편하게 만드는 대화형의 사용자 친화적인 개발 환경을 제공합니다. JupyterLab은 통합된 작업 공간을 제공합니다. 이를 사용하면 환경 설치 및 설정에 대한 번거로움 없이 바로 컴퓨터 비전 모델을 탐색하고 구축하는 데 몰입할 수 있습니다.

예를 들어, JupyterLab은 코드 실행을 위한 노트북, 문서 작성을 위한 텍스트 편집기, 시스템과 상호작용하기 위한 터미널과 같은 도구와 기능을 제공합니다. 실제로 JupyterLab을 사용하면 컴퓨터에서 직접 Ultralytics YOLO11 모델을 쉽게 실험하고 학습할 수 있습니다. 이 글에서는 YOLO11과의 통합, 작동 방식, 그리고 제공되는 이점에 대해 살펴보겠습니다.

Link to this sectionJupyterLab이란 무엇인가요?#

JupyterLab은 코드를 작성 및 실행하고, 데이터를 정리하며, 시각적 보고서를 한곳에서 만들 수 있도록 돕는 웹 기반 도구입니다. 이는 2014년에 코딩을 더욱 대화형으로 만들고 사용자 친화적으로 만들기 위해 시작된 Project Jupyter의 일부입니다. Jupyter Notebook의 업그레이드 버전으로 구축되었으며 2018년에 처음 출시되었고, 데이터 분석, 차트 생성, 머신러닝 모델 구축과 같은 작업에 일반적으로 사용됩니다.

JupyterLab을 사용하면 코드와 데이터를 대화형으로 작업할 수 있어 아이디어를 실험하고 탐색하기가 간단합니다. 또한 코드, 텍스트, 시각 자료를 매끄럽게 결합한 문서를 생성 및 공유할 수 있어 협업과 프레젠테이션에 이상적입니다. 그뿐만 아니라, 유연한 인터페이스를 통해 노트북, 텍스트 파일, 터미널과 같은 도구를 나란히 배치하여 정리할 수 있으며, 플러그인을 추가하여 프로젝트 요구 사항에 맞게 기능을 더욱 확장할 수 있습니다.

그림 1. JupyterLab의 구성 요소.

JupyterLab의 다른 흥미로운 기능은 다음과 같습니다:

• 간편한 프로젝트 생성: JupyterLab은 차트, 그래프, 대시보드와 같은 시각 자료는 물론 이미지, 동영상 및 기타 미디어를 사용하여 프로젝트를 쉽게 만들고 공유할 수 있게 합니다.

• 다른 사람들과 협업: 노트북을 공유하고 Git과 같은 도구를 사용하여 변경 사항을 추적함으로써 다른 사람들과 쉽게 협업할 수 있습니다.

• 초보자에게 적합: 코딩 및 데이터 분석 교육을 위한 교실, 아이디어 테스트를 위한 연구 분야, 소프트웨어 테스트 및 데이터 워크플로우 관리와 같은 개발 작업에서 인기가 높습니다.

Link to this sectionUltralytics YOLO11 프로젝트를 작업하기 위해 JupyterLab 사용하기#

이제 JupyterLab이 무엇인지 더 잘 이해하게 되었으니, JupyterLab 통합이 정확히 무엇을 포함하고 YOLO11 작업 시 이를 어떻게 활용할 수 있는지 살펴보겠습니다.

JupyterLab은 Ultralytics YOLO11 모델 프로젝트를 작업하는 데 훌륭한 도구입니다. 플랫폼 간 전환 없이 작업을 관리하고 문서를 처리할 수 있는 올인원 환경을 제공하여 개발 프로세스를 간소화합니다. 대화형 인터페이스를 통해 코드를 실행하고 결과를 즉시 확인할 수 있으므로 데이터 탐색이나 YOLO11 모델의 성능 확인에 완벽합니다. 또한 Plotly와 같은 확장 프로그램을 사용하여 YOLO11 모델을 시각화하고 개선하는 데 도움이 되는 대화형 차트를 만들 수도 있습니다.

예를 들어, AI를 활용한 의료 혁신 프로젝트를 진행 중이라고 가정해 보겠습니다. 엑스레이나 CT 스캔 이미지에서 종양을 실시간으로 객체 탐지하여 의사를 돕기 위해 YOLO11을 사용자 지정 학습(custom-train)할 계획입니다. YOLO11은 정상 영역과 비정상 영역을 모두 강조 표시하는 레이블이 지정된 의료 이미지 데이터셋을 사용하여 학습할 수 있습니다. JupyterLab 통합을 사용하면 협업이 가능하고 코딩 친화적인 환경에서 YOLO11 모델을 직접 학습하고 미세 조정할 수 있습니다. 또한 데이터셋 관리, 실험 실행, 모델 정확도 검증을 위한 도구를 제공하여 의료 분야의 비전 AI 도입을 더욱 쉽고 효율적으로 만들어 줍니다.

Link to this sectionJupyterLab 통합의 작동 방식#

JupyterLab에서 YOLO11 모델을 사용자 지정 학습하는 과정은 간단합니다. 이 플랫폼은 이전 버전인 Jupyter Notebook이나 Google Colab과 유사하며, 시작하기 쉬운 사전 구성된 환경을 제공합니다.

YOLO11 프로젝트를 위해 JupyterLab을 설정하려면, 먼저 Ultralytics GitHub 저장소에서 tutorial.ipynb 파일을 다운로드하여 원하는 디렉토리에 저장하십시오. 다음으로, 코드 편집기나 터미널을 열고 pip install jupyterlab 명령어를 실행하여 JupyterLab을 설치하십시오. 플랫폼이 자동으로 열리며 아래 표시된 창이 나타납니다.

그림 2. JupyterLab의 초기 시작 페이지.

설치가 완료되면 노트북 파일을 저장한 디렉토리로 이동하여 jupyter lab 명령어를 실행하여 플랫폼을 시작하십시오. 그러면 기본 웹 브라우저에서 JupyterLab이 열리고, 여기서 tutorial.ipynb 파일을 로드하여 YOLO11 탐색을 시작할 수 있습니다. 이 대화형 환경에서는 노트북의 코드를 셀 단위로 실행하고, 설정을 조정하며, 결과를 즉시 확인할 수 있습니다. JupyterLab을 사용하면 한곳에서 출력을 확인하고, 메모를 작성하며, 다양한 설정을 시도하기가 매우 쉽습니다.

그림 3. JupyterLab 인터페이스에서 YOLO11 tutorial.ipynb 노트북 열기.

Ultralytics YOLO 모델 학습 과정과 모범 사례를 더 잘 이해하려면 공식 Ultralytics 문서를 참조하십시오.

Link to this sectionJupyterLab 통합 선택: 주목받는 이유#

Ultralytics 통합 문서를 살펴보다 보면 선택할 수 있는 다양한 통합 기능이 있다는 것을 알게 될 것입니다. 그중 일부는 유사한 기능을 제공하기도 합니다. 예를 들어, Google Colab 통합은 YOLO11 학습을 지원하는 노트북 스타일의 환경을 제공하며, 특정 작업을 위해 사전 학습된 모델을 사용자 지정 학습하는 기능도 포함합니다. 이렇게 많은 통합 기능 중에서 JupyterLab 통합을 고유하게 만드는 요소를 염두에 두는 것이 중요합니다.

JupyterLab 통합 사용의 핵심 장점 중 하나는 확장 프로그램 지원입니다. 이러한 확장 프로그램은 컴퓨터 비전 프로젝트에 상당한 차이를 가져오고 모델 개발 프로세스를 간소화할 수 있습니다. 예를 들어, Git 확장 프로그램을 사용하여 작업을 추적하고, 다른 사람들과 작업을 공유하며, 코드가 항상 잘 유지되도록 관리할 수 있습니다. 이 모든 작업을 JupyterLab 인터페이스를 벗어나지 않고 수행할 수 있습니다.

JupyterLab 통합이 귀하의 프로젝트에 훌륭한 선택이 될 수 있는 다른 이유는 다음과 같습니다:

• 간편한 셀 관리: JupyterLab에서 다양한 셀을 관리하는 것은 쉽습니다. 번거로운 잘라내기 및 붙여넣기 방식 대신, 셀을 드래그 앤 드롭하여 위치를 변경할 수 있습니다.

• 노트북 간 셀 복사: 한 노트북에서 다른 노트북으로 셀을 드래그 앤 드롭하여 노트북 간에 셀을 쉽게 복사할 수 있습니다.

• 다중 뷰: JupyterLab은 동일한 노트북의 여러 뷰를 지원하며, 이는 긴 노트북의 경우 특히 유용합니다. 서로 다른 섹션을 나란히 열어 비교하거나 탐색할 수 있으며, 한 뷰에서 변경한 내용은 다른 뷰에도 나타납니다.

• 클래식 노트북 뷰로의 간편한 전환: 클래식 Jupyter Notebook 인터페이스가 더 익숙한 사용자를 위해 JupyterLab은 간편한 전환 기능을 제공합니다. 브라우저 링크에서 “/lab”을 “/tree”로 대체하기만 하면 친숙한 노트북 뷰로 돌아갈 수 있습니다.

Link to this sectionJupyterLab 통합과 YOLO11의 응용 분야#

다음으로, JupyterLab 통합을 사용하여 YOLO11을 작업하는 실질적인 응용 분야를 살펴보겠습니다.

예를 들어, 야생 동물 모니터링 기술을 작업하는 개발자는 JupyterLab 통합을 사용하여 YOLO11 모델을 학습할 수 있습니다. YOLO11을 사용자 지정 학습함으로써 드론 영상에서 멸종 위기 종을 식별하는 컴퓨터 비전 애플리케이션을 구축할 수 있습니다. JupyterLab은 데이터 탐색, 전처리 및 모델 학습을 위한 단일 작업 공간을 제공하여 이 프로세스를 더 쉽게 만들어 줍니다. 개발자는 코드를 실행하고 모델을 테스트하며 결과를 한곳에서 모두 확인할 수 있으므로 워크플로우를 간소하고 체계적으로 유지할 수 있습니다.

그림 4. Ultralytics YOLO 모델을 사용하여 야생 동물 종을 탐지하는 예시.

야생 동물 보호를 넘어, YOLO11과 JupyterLab의 신뢰할 수 있는 조합은 다음과 같은 다양한 실제 응용 분야에 사용될 수 있습니다:

• 농업 분야의 컴퓨터 비전: YOLO11의 다양한 컴퓨터 비전 작업 지원 기능은 작물 질병 탐지, 식물 성장 모니터링, 드론이나 위성 이미지에서 잡초 식별을 도울 수 있으며, JupyterLab은 데이터 분석과 모델 최적화를 간소화합니다.

• 제조 분야의 품질 관리: 실시간으로 이미지를 분석함으로써 YOLO11은 조립 라인의 제품 결함을 식별할 수 있으며, JupyterLab은 모델을 개선하고 결과를 평가하기 위한 중앙 집중식 환경을 제공합니다.

• 물류 분야의 AI: 재고 추적 및 패키지 스캔과 같은 작업은 이미지 속 객체를 탐지하고 BBox를 통해 위치를 표시하는 YOLO11을 사용하여 자동화할 수 있으며, JupyterLab은 물류 데이터를 사용하여 모델을 효율적으로 학습, 검증 및 테스트하는 도구를 제공합니다.

Link to this sectionJupyterLab 통합의 이점#

JupyterLab 통합이 전반적으로 비전 AI에 기여하는 독특한 방식 몇 가지를 간단히 살펴보겠습니다:

• 원격 액세스 및 확장성: 클라우드 플랫폼과 원격 서버 모두에서 실행할 수 있어 강력한 컴퓨팅 자원과 공동 연구에 접근할 수 있습니다.

• 다중 프로그래밍 언어 지원: Python이 가장 일반적으로 사용되는 언어이지만, JupyterLab은 R, Julia, Scala와 같은 다른 언어도 지원하여 다양한 워크플로우에 범용적으로 사용할 수 있습니다.

• 데이터 통합: JupyterLab은 데이터베이스, 클라우드 스토리지, 데이터 처리 도구와 매끄럽게 통합되어 비전 AI 학습에 필요한 대규모 데이터셋을 처리하기가 더 쉬워집니다.

Link to this section핵심 요약#

JupyterLab 통합은 YOLO11과 같은 컴퓨터 비전 모델 작업을 더 쉽게 만드는 유용한 도구입니다. 데이터를 정리하고, 사용자 지정 모델을 학습 및 테스트하며, 다른 개발자들과 협업할 수 있는 단일 작업 공간을 제공합니다. 유용한 확장 프로그램과 애드온을 통해 작업 환경을 설정하는 걱정 대신 모델을 구축하고 개선하는 데 집중할 수 있습니다.

야생 동물 보호, 의료 스캔 개선, 공장 제품 품질 검사 중 무엇을 하든, Ultralytics가 지원하는 JupyterLab 통합은 그 과정을 더 간단하고 효율적으로 만들어 줍니다.

저희 커뮤니티에 참여하시고 GitHub 저장소나 가이드를 확인하여 AI에 대해 자세히 알아보십시오. 또한 솔루션 페이지에서 제조 분야의 컴퓨터 비전이나 자율 주행 자동차의 AI와 같은 더 많은 응용 분야를 탐색할 수 있습니다.