JupyterLab 통합을 사용해 Ultralytics YOLO11 학습하기

컴퓨터 비전 모델을 개발하는 일은 모델이 좋은 성능을 보이는 것을 확인할 때 특히 흥미롭습니다. 일반적으로 컴퓨터 비전 개발 과정에는 데이터셋 준비와 Ultralytics YOLO11과 같은 모델의 파인튜닝 등 몇 가지 간단한 단계가 포함됩니다. 하지만 개발 환경 설정처럼 초보자에게 어려울 수 있는 단계도 있습니다. 바로 이러한 과정을 쉽게 진행할 수 있도록 Ultralytics는 JupyterLab과 같은 통합을 지원합니다.

특히 JupyterLab 통합은 컴퓨터 비전 모델을 쉽게 탐색하고 실험할 수 있는 대화형의 사용자 친화적인 개발 환경을 제공합니다. JupyterLab은 통합 작업 공간을 제공하므로, 환경을 설치하고 설정하는 데 방해받지 않고 컴퓨터 비전 모델을 바로 탐색하고 구축할 수 있습니다.

예를 들어 JupyterLab은 코드 실행용 노트북, 문서 작성용 텍스트 편집기, 시스템과 상호작용하기 위한 터미널 등의 도구와 기능을 제공합니다. 실제로 JupyterLab을 사용하면 컴퓨터에서 직접 Ultralytics YOLO11 모델을 쉽게 실험하고 학습할 수 있습니다. 이 문서에서는 JupyterLab과 YOLO11의 통합 방식과 작동 원리, 그리고 그 이점을 살펴봅니다.

JupyterLab이란 무엇인가요?#

JupyterLab은 한곳에서 코드를 작성하고 실행하며, 데이터를 정리하고, 시각적 보고서를 만들 수 있는 웹 기반 도구입니다. 2014년 코딩을 더 대화형이고 사용자 친화적으로 만들기 위해 시작된 Project Jupyter의 일부입니다. Jupyter Notebook을 개선한 도구로 개발되어 2018년에 처음 공개되었으며, 데이터 분석, 차트 생성, 머신러닝 모델 구축 등의 작업에 널리 사용됩니다.

JupyterLab을 사용하면 코드와 데이터를 대화형으로 다룰 수 있어 아이디어를 쉽게 실험하고 탐색할 수 있습니다. 코드, 텍스트, 시각 자료를 결합한 문서를 만들고 공유할 수도 있어 협업과 프레젠테이션에 적합합니다. 또한 유연한 인터페이스에서 노트북, 텍스트 파일, 터미널 같은 도구를 나란히 정리할 수 있으며, 플러그인을 추가해 프로젝트 요구 사항에 맞게 기능을 확장할 수 있습니다.

그림 1. JupyterLab의 구성 요소.

JupyterLab의 다른 유용한 기능은 다음과 같습니다.

• 간편한 프로젝트 생성: JupyterLab을 사용하면 차트, 그래프, 대시보드와 같은 시각 자료뿐 아니라 이미지, 동영상 및 기타 미디어를 포함한 프로젝트를 쉽게 만들고 공유할 수 있습니다.
• 협업: 노트북을 공유하고 Git과 같은 도구를 사용해 변경 사항을 추적하면서 다른 사람과 쉽게 협업할 수 있습니다.
• 초보자에게 적합: 코딩과 데이터 분석 교육을 위한 강의실, 아이디어를 검증하는 연구, 소프트웨어 테스트 및 데이터 워크플로 관리와 같은 개발 작업에서 널리 사용됩니다.

JupyterLab으로 Ultralytics YOLO11 프로젝트 작업하기#

JupyterLab이 무엇인지 살펴보았으니, 이제 JupyterLab 통합에 무엇이 포함되는지 알아보고 Ultralytics YOLO11 작업에 활용하는 방법을 살펴보겠습니다.

JupyterLab은 Ultralytics YOLO11 모델 프로젝트를 작업하기에 매우 유용한 도구입니다. 플랫폼 간에 전환하지 않고 작업과 문서를 관리할 수 있는 올인원 환경을 제공해 개발 프로세스를 간소화합니다. 대화형 인터페이스에서는 코드를 실행하고 결과를 즉시 확인할 수 있어 데이터를 탐색하거나 YOLO11 모델의 성능을 파악하는 데 유용합니다. Plotly와 같은 확장 기능을 사용해 대화형 차트를 만들면 YOLO11 모델을 시각화하고 개선하는 데 도움이 됩니다.

예를 들어 의료 분야의 AI와 관련된 혁신적인 프로젝트를 진행한다고 가정해 보겠습니다. X선 또는 CT 스캔 이미지에서 종양을 실시간으로 탐지해 의사를 돕도록 Ultralytics YOLO11을 커스텀 학습할 계획입니다. 정상 영역과 이상 영역이 모두 표시된 의료 이미지 데이터셋을 사용해 YOLO11을 학습할 수 있습니다. JupyterLab 통합을 사용하면 협업과 코드 작업에 적합한 환경에서 YOLO11 모델을 직접 학습하고 파인튜닝할 수 있습니다. 또한 데이터셋 관리, 실험 실행, 모델 정확도 검증을 위한 도구를 제공하므로 헬스케어 분야의 비전 AI를 더 쉽고 효율적으로 도입할 수 있습니다.

JupyterLab 통합의 작동 방식#

JupyterLab에서 Ultralytics YOLO11 모델을 사용자 지정 학습하는 과정은 간단합니다. 이 플랫폼은 이전 버전인 Jupyter Notebook 및 Google Colab과 유사하며, 쉽게 시작할 수 있도록 사전 구성된 환경을 제공합니다.

YOLO11 프로젝트에 사용할 JupyterLab을 설정하려면 Ultralytics GitHub 저장소에서 tutorial.ipynb 파일을 다운로드해 원하는 디렉터리에 저장합니다. (이 노트북은 이후 Ultralytics YOLO26을 사용하도록 업데이트되었습니다.) 그런 다음 터미널을 열고 pip install jupyterlab 명령을 실행해 JupyterLab을 설치합니다. JupyterLab을 실행하면(다음 단계 참조) 아래와 같은 시작 페이지가 표시됩니다.

그림 2. JupyterLab의 초기 시작 페이지.

설치가 완료되면 노트북 파일을 저장한 디렉터리로 이동해 jupyter lab 명령을 실행하여 플랫폼을 시작합니다. 기본 웹 브라우저에서 JupyterLab이 열리면 tutorial.ipynb 파일을 불러와 YOLO11을 살펴볼 수 있습니다. 이 대화형 환경에서는 노트북의 각 셀에서 코드를 실행하고 설정을 조정하며 결과를 즉시 확인할 수 있습니다. JupyterLab을 사용하면 출력 확인, 메모 작성, 다양한 설정 시도를 한곳에서 쉽게 진행할 수 있습니다.

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

Ultralytics YOLO 모델 학습 과정과 모범 사례를 더 잘 이해하려면 Ultralytics 모델 학습 팁 가이드를 참조하세요.

JupyterLab 통합을 선택해야 하는 이유: 차별점#

Ultralytics 통합 문서를 살펴보면 선택할 수 있는 통합 기능이 다양하다는 것을 알 수 있습니다. 일부 통합 기능은 비슷한 기능을 제공하기도 합니다. 예를 들어 Google Colab 통합은 YOLO11 학습과 특정 작업을 위한 사전 학습 모델의 커스텀 학습을 지원하는 노트북 형태의 환경을 제공합니다. 통합 기능이 많은 만큼 JupyterLab 통합의 고유한 장점이 무엇인지 살펴보는 것이 중요합니다.

JupyterLab 통합의 주요 장점 중 하나는 확장 프로그램을 지원한다는 것입니다. 확장 프로그램은 컴퓨터 비전 프로젝트에 큰 변화를 가져오고 모델 개발 과정을 간소화할 수 있습니다. 예를 들어 Git 확장 프로그램을 사용하면 작업 진행 상황을 추적하고 다른 사람과 결과물을 공유하며 코드를 항상 체계적으로 관리할 수 있습니다. 이 모든 작업을 JupyterLab 인터페이스를 벗어나지 않고 수행할 수 있습니다.

JupyterLab을 프로젝트에 적합한 선택으로 고려할 수 있는 다른 이유는 다음과 같습니다.

• 간편한 셀 관리: JupyterLab에서는 여러 셀을 쉽게 관리할 수 있습니다. 번거롭게 잘라내고 붙여 넣는 대신 셀을 끌어다 놓아 순서를 바꿀 수 있습니다.
• 노트북 간 셀 복사: 한 노트북의 셀을 다른 노트북으로 끌어다 놓아 노트북 간에 쉽게 복사할 수 있습니다.
• 다중 보기: JupyterLab은 하나의 노트북을 여러 보기로 표시하는 기능을 지원하며, 이는 긴 노트북에서 특히 유용합니다. 서로 다른 섹션을 나란히 열어 비교하거나 살펴볼 수 있으며, 한 보기에서 변경한 내용은 다른 보기에도 표시됩니다.
• 기본 노트북 보기로 쉽게 전환: 기존 Jupyter Notebook 인터페이스에 익숙한 사용자는 JupyterLab에서 쉽게 이전 화면으로 전환할 수 있습니다. 브라우저 링크의 “/lab”을 “/tree”로 바꾸기만 하면 익숙한 노트북 보기로 돌아갈 수 있습니다.

JupyterLab 통합과 Ultralytics YOLO11의 활용 사례#

이어서 JupyterLab 통합을 사용해 Ultralytics YOLO11을 활용하는 몇 가지 실용적인 사례를 살펴보겠습니다.

예를 들어 야생동물 모니터링 기술을 개발하는 개발자는 JupyterLab 통합을 사용해 YOLO11 모델을 학습할 수 있습니다. YOLO11을 커스텀 학습하면 드론 영상에서 멸종 위기종을 식별하는 컴퓨터 비전 애플리케이션을 구축할 수 있습니다. JupyterLab은 데이터 탐색과 전처리, 모델 학습을 위한 단일 작업 공간을 제공해 이 과정을 간소화합니다. 개발자는 한곳에서 코드를 실행하고 모델을 테스트하며 결과를 확인할 수 있으므로 워크플로를 간단하고 체계적으로 관리할 수 있습니다.

그림 4. Ultralytics YOLO 모델을 사용해 야생동물 종을 탐지하는 예시.

야생동물 보호뿐 아니라 Ultralytics YOLO11과 JupyterLab의 조합은 다음과 같은 다양한 실제 응용 분야에도 활용할 수 있습니다.

• 농업 분야의 컴퓨터 비전: 다양한 컴퓨터 비전 작업을 지원하는 Ultralytics YOLO11은 드론이나 위성 이미지에서 작물 질병을 탐지하고 식물 생장을 모니터링하거나 잡초를 식별하는 데 활용할 수 있으며, JupyterLab은 데이터 분석과 모델 최적화를 간소화합니다.
• 제조업의 품질 관리: Ultralytics YOLO11은 실시간으로 이미지를 분석해 조립 라인 제품의 결함을 식별할 수 있으며, JupyterLab은 모델 개선과 결과 평가를 위한 중앙 집중식 환경을 제공합니다.
• 물류 분야의 AI: YOLO11을 사용하면 재고 추적과 택배 스캔 등의 작업을 자동화할 수 있습니다. YOLO11은 이미지 속 객체를 탐지하고 위치를 나타내는 바운딩 박스를 표시하며, JupyterLab은 물류 데이터를 사용해 모델을 효율적으로 학습하고 검증하며 테스트할 수 있는 도구를 제공합니다.

JupyterLab 통합의 이점#

JupyterLab 통합이 전반적인 비전 AI에 제공하는 몇 가지 고유한 이점을 간략히 살펴보겠습니다.

• 원격 액세스와 확장성: 클라우드 플랫폼과 원격 서버에서 모두 실행할 수 있어 강력한 컴퓨팅 리소스에 접근하고 공동 연구를 진행할 수 있습니다.
• 다양한 프로그래밍 언어 지원: 가장 널리 사용되는 언어는 Python이지만, JupyterLab은 R, Julia, Scala와 같은 다른 언어도 지원하므로 다양한 워크플로에 활용할 수 있습니다.
• 데이터 통합: JupyterLab은 데이터베이스, 클라우드 스토리지, 데이터 처리 도구와 통합되므로 비전 AI 학습에 필요한 대규모 데이터 세트를 더 쉽게 처리할 수 있습니다.

핵심 요점#

JupyterLab 통합은 Ultralytics YOLO11과 같은 컴퓨터 비전 모델 작업을 쉽게 만들어 주는 유용한 도구입니다. 데이터를 정리하고 커스텀 모델을 학습 및 테스트하며 다른 개발자와 협업할 수 있는 단일 작업 공간을 제공합니다. 유용한 확장 프로그램과 추가 기능을 활용하면 개발 환경 설정에 신경 쓰는 대신 모델을 구축하고 개선하는 데 집중할 수 있습니다.

야생동물을 보호하거나 의료 스캔을 개선하거나 공장에서 제품 품질을 확인하는 작업 등 어떤 경우든 Ultralytics가 지원하는 JupyterLab 통합을 사용하면 과정을 더 간단하고 효율적으로 진행할 수 있습니다.

커뮤니티에 참여하고 GitHub 저장소를 살펴보거나 가이드를 통해 AI에 대해 알아보세요. 솔루션 페이지에서 제조 분야의 컴퓨터 비전이나 자율주행차 분야의 AI와 같은 응용 분야도 확인할 수 있습니다.