JupyterLab으로 YOLO11 모델 학습을 간소화하세요! 컴퓨터 비전 프로젝트를 위한 직관적인 올인원 환경을 탐색해 보세요.
YOLO Vision 2025를 놓치지 마세요!
2025년 9월 25일
10:00 — 18:00 BST
하이브리드 이벤트
JupyterLab으로 YOLO11 모델 학습을 간소화하세요! 컴퓨터 비전 프로젝트를 위한 직관적인 올인원 환경을 탐색해 보세요.
컴퓨터 비전 모델 작업은 특히 모델이 잘 작동하는 것을 볼 때 흥미로울 수 있습니다. 일반적으로 컴퓨터 비전 개발 프로세스에는 데이터 세트 준비 및 Ultralytics YOLO11과 같은 모델 미세 조정과 같은 몇 가지 간단한 단계가 포함됩니다. 그러나 개발 환경 설정과 같이 초보자에게 어려울 수 있는 몇 가지 부분이 있습니다. 바로 그렇기 때문에 Ultralytics는 JupyterLab과 같은 통합을 지원하여 이러한 단계를 더 쉽게 만들 수 있습니다.
특히, Jupyterlab 통합은 컴퓨터 비전 모델을 간단하게 탐색하고 실험할 수 있는 대화형의 사용자 친화적인 개발 환경을 제공합니다. Jupyterlab은 통합된 작업 공간을 제공합니다. 이를 사용하여 환경 설치 및 설정에 방해받지 않고 컴퓨터 비전 모델을 탐색하고 구축하는 데 바로 뛰어들 수 있습니다.
예를 들어, JupyterLab은 코드를 실행하기 위한 노트북, 문서를 만들기 위한 텍스트 편집기, 시스템과 상호 작용하기 위한 터미널과 같은 도구와 기능을 제공합니다. 실제로 JupyterLab을 사용하면 컴퓨터에서 직접 Ultralytics YOLO11 모델을 쉽게 실험하고 훈련할 수 있습니다. 이 기사에서는 YOLO11과의 통합, 작동 방식 및 제공하는 이점에 대해 살펴봅니다.
JupyterLab은 웹 기반 도구로, 코드를 작성 및 실행하고, 데이터를 정리하고, 시각적 보고서를 한 곳에서 만들 수 있도록 지원합니다. 이는 코딩을 더욱 인터랙티브하고 사용자 친화적으로 만들기 위해 2014년에 시작된 Project Jupyter의 일부입니다. Jupyter Notebook의 업그레이드 버전으로 구축되었으며 2018년에 처음 출시되었으며, 데이터 분석, 차트 생성, 머신러닝 모델 구축과 같은 작업에 일반적으로 사용됩니다.
JupyterLab을 사용하면 코드와 데이터를 상호 작용하며 실험하고 아이디어를 쉽게 탐색할 수 있습니다. 또한 코드, 텍스트 및 시각적 요소를 매끄럽게 결합한 문서를 만들어 공유할 수 있어 협업 및 프레젠테이션에 이상적입니다. 이 외에도 유연한 인터페이스를 통해 노트북, 텍스트 파일, 터미널과 같은 도구를 나란히 정리할 수 있으며, 플러그인을 추가하여 프로젝트 요구 사항에 맞게 기능을 더욱 확장할 수 있습니다.
JupyterLab의 다른 흥미로운 기능은 다음과 같습니다.
이제 JupyterLab이 무엇인지 더 잘 이해했으므로, JupyterLab 통합이 정확히 무엇을 포함하고 YOLO11 작업 시 이를 어떻게 활용할 수 있는지 살펴보겠습니다.
JupyterLab은 Ultralytics YOLO11 모델을 사용하는 프로젝트에 유용한 도구입니다. 플랫폼 간 전환 없이 작업과 문서를 관리할 수 있는 통합 환경을 제공하여 개발 프로세스를 간소화합니다. 인터랙티브 인터페이스를 통해 코드를 실행하고 결과를 즉시 확인할 수 있어 데이터 탐색이나 YOLO11 모델의 성능을 이해하는 데 적합합니다. 또한 Plotly와 같은 확장 프로그램을 사용하여 YOLO11 모델을 시각화하고 개선하는 데 도움이 되는 인터랙티브 차트를 만들 수도 있습니다.
예를 들어, 의료 분야에서 AI와 관련된 혁신적인 프로젝트를 진행하고 있다고 가정해 보겠습니다. 의사가 X선 또는 CT 스캔 이미지에서 종양을 실시간으로 객체 감지하는 데 도움이 되도록 YOLO11을 사용자 정의 훈련할 계획입니다. YOLO11은 정상 및 비정상 영역을 강조 표시하는 레이블이 지정된 의료 이미지 데이터 세트를 사용하여 훈련할 수 있습니다. JupyterLab 통합을 통해 협업적이고 코드 친화적인 환경에서 직접 YOLO11 모델을 훈련하고 미세 조정할 수 있습니다. 또한 데이터 세트 관리, 실험 실행 및 모델 정확도 검증을 위한 도구를 제공하여 의료 분야에서 Vision AI를 보다 쉽고 효율적으로 채택할 수 있습니다.
JupyterLab에서 YOLOv11 모델을 커스텀 트레이닝하는 것은 간단합니다. 이 플랫폼은 이전 버전인 Jupyter Notebook 또는 Google Colab과 유사하며, 시작하기 쉬운 사전 구성된 환경을 제공합니다.
YOLO11 프로젝트용 JupyterLab을 설정하려면 먼저 Ultralytics GitHub 저장소에서 `tutorial.ipynb` 파일을 다운로드하여 원하는 디렉토리에 저장합니다. 다음으로 코드 편집기 또는 터미널을 열고 `pip install jupyterlab` 명령을 실행하여 JupyterLab을 설치합니다. 플랫폼이 자동으로 열리고 아래와 같이 창이 표시됩니다.
설치가 완료되면 노트북 파일을 저장한 디렉터리로 이동하여 `jupyter lab` 명령을 실행하여 플랫폼을 시작합니다. 그러면 기본 웹 브라우저에서 JupyterLab이 열리고 `tutorial.ipynb` 파일을 로드하여 YOLO11을 탐색할 수 있습니다. 이 대화형 환경에서는 노트북 셀 단위로 코드를 실행하고, 설정을 조정하고, 결과를 즉시 확인할 수 있습니다. JupyterLab을 사용하면 출력 보기, 메모 작성, 다양한 설정을 한 곳에서 쉽게 시도해 볼 수 있습니다.
Ultralytics YOLO 모델 학습 과정과 모범 사례에 대해 더 자세히 알아보려면 Ultralytics 공식 문서를 참조하십시오.
Ultralytics 통합 문서를 살펴보면 다양한 통합 기능이 있다는 것을 알 수 있습니다. 그중 일부는 유사한 기능을 제공하기도 합니다. 예를 들어 Google Colab 통합은 특정 작업을 위해 사전 학습된 모델을 커스텀 학습하는 것을 포함하여 YOLO11 학습을 지원하는 노트북 스타일 환경을 제공합니다. 통합 기능이 너무 많기 때문에 JupyterLab 통합을 특별하게 만드는 요소를 염두에 두는 것이 중요합니다.
JupyterLab 통합을 사용할 때의 주요 장점 중 하나는 확장 프로그램 지원입니다. 이러한 확장 프로그램은 컴퓨터 비전 프로젝트에서 상당한 차이를 만들고 모델 개발 프로세스를 간소화할 수 있습니다. 예를 들어 Git 확장 프로그램을 사용하여 진행 상황을 추적하고, 다른 사람과 작업을 공유하고, 코드가 항상 잘 유지되도록 할 수 있습니다. 이 모든 것이 JupyterLab 인터페이스를 벗어나지 않고 가능합니다.
JupyterLab 통합이 프로젝트에 적합한 선택인 몇 가지 이유는 다음과 같습니다.
다음으로 JupyterLab 통합을 사용하여 YOLO11 작업을 수행하는 데 대한 몇 가지 실제적인 응용 프로그램을 살펴보겠습니다.
예를 들어 야생 동물 모니터링 기술을 연구하는 개발자는 JupyterLab 통합을 사용하여 YOLO11 모델을 학습할 수 있습니다. YOLO11을 사용자 정의 학습함으로써 드론 영상에서 멸종 위기에 처한 종을 식별하는 컴퓨터 비전 애플리케이션을 구축할 수 있습니다. JupyterLab은 데이터 탐색, 전처리 및 모델 학습을 위한 단일 작업 공간을 제공하여 이 프로세스를 더 쉽게 만듭니다. 개발자는 코드를 실행하고, 모델을 테스트하고, 결과를 모두 한 곳에서 볼 수 있어 워크플로를 간단하고 체계적으로 유지할 수 있습니다.
야생 동물 보호 외에도 YOLO11과 JupyterLab의 안정적인 조합은 다음과 같은 다양한 실제 응용 분야에서 사용될 수 있습니다.
다음은 JupyterLab 통합이 전반적인 비전 AI에 제공하는 고유한 이점에 대한 간략한 소개입니다.
JupyterLab 통합은 YOLO11과 같은 컴퓨터 비전 모델 작업을 더 쉽게 만들어주는 유용한 도구입니다. 데이터 구성, 사용자 정의 모델 학습 및 테스트, 다른 개발자와의 협업을 위한 단일 작업 공간을 제공합니다. 유용한 확장 기능 및 애드온을 통해 작업 환경 설정에 대한 걱정 없이 모델 구축 및 개선에 집중할 수 있습니다.
야생 동물 보호를 돕든, 의료 스캔을 개선하든, 공장에서 제품 품질을 검사하든, Ultralytics에서 지원하는 JupyterLab 통합은 프로세스를 더 간단하고 효율적으로 만듭니다.
커뮤니티에 가입하고 GitHub 저장소 또는 가이드를 확인하여 AI에 대해 알아보세요. 솔루션 페이지에서 제조업의 컴퓨터 비전 또는 자율 주행 자동차의 AI와 같은 더 많은 응용 분야를 살펴볼 수도 있습니다.
.webp)
