클라우드 컴퓨팅

주요 개념 및 이점

클라우드 컴퓨팅은 리소스 집약적인 애플리케이션에 대한 액세스와 배포를 간소화하며, 이는 특히 AI 및 머신러닝 작업에 유용합니다. 사용자는 물리적 데이터 센터를 관리하는 대신 Amazon Web Services(AWS), Google Cloud Platform(GCP) 또는 Microsoft Azure와 같은 주요 클라우드 제공업체의 온디맨드 기술 서비스를 활용할 수 있습니다. 주요 이점은 다음과 같습니다:

• 확장성: 복잡한 딥 러닝(DL) 모델 학습이나 가변 추론 트래픽 처리 등 ML 워크로드의 수요에 따라 GPU 또는 TPU와 같은 컴퓨팅 리소스를 쉽게 확장 또는 축소할 수 있습니다.
• 비용 효율성: 종량제 요금 모델은 하드웨어에 많은 자본을 투자할 필요가 없으므로 사용자가 사용한 컴퓨팅 시간과 스토리지에 대해서만 비용을 지불할 수 있으므로 모델 학습 및 배포 비용을 최적화할 수 있습니다.
• 접근성: 인터넷이 연결된 곳이라면 어디서든 강력한 컴퓨팅 리소스와 전문 하드웨어에 액세스하여 협업을 촉진하고 개인과 소규모 조직이 다음과 같은 도구를 사용하여 대규모 AI 프로젝트를 수행할 수 있도록 지원합니다. PyTorch 또는 TensorFlow.
• 관리형 서비스: 클라우드 제공업체는 데이터베이스, 데이터 스토리지(데이터 레이크), MLOps 파이프라인 및 모델 배포를 위한 관리형 서비스를 제공하여 개발팀의 운영 부담을 줄여줍니다. 여기에서 다양한 배포 옵션을 문서로 확인할 수 있습니다.

AI/ML 애플리케이션의 클라우드 컴퓨팅

클라우드 컴퓨팅은 최신 AI 및 ML 워크플로우의 기본으로, 필요한 인프라와 도구를 제공합니다. 다음은 두 가지 예입니다:

1. 대규모 모델 훈련: 다음과 같은 최첨단 모델 훈련 Ultralytics YOLO 와 같은 최신 모델을 훈련하려면 상당한 연산 능력과 대규모 데이터 세트(예: COCO 데이터 세트)가 필요한 경우가 많습니다. 클라우드 플랫폼은 고성능 GPU 또는 TPU 클러스터에 대한 액세스를 제공하므로 연구자와 엔지니어는 몇 주 또는 몇 달이 아닌 몇 시간 또는 며칠 만에 효율적으로 모델을 훈련할 수 있습니다. Ultralytics HUB 클라우드 트레이닝과 같은 서비스는 인프라 관리를 간소화하여 사용자가 사용자 지정 데이터 세트를 사용한 모델 개발에 집중할 수 있도록 합니다.
2. 확장 가능한 AI 서비스 배포: ML 모델이 학습되면 새로운 데이터에 대한 예측(추론)을 위해 배포해야 합니다. 클라우드 플랫폼은 확장 가능한 호스팅 솔루션을 제공하므로 변동하는 요청 수를 처리할 수 있는 API로 모델을 배포할 수 있습니다. 예를 들어, 비디오 스트림 분석을 위한 실시간 객체 감지 서비스는 수요에 따라 기본 컴퓨팅 리소스를 자동으로 확장하여 트래픽 관리 또는 소매점 분석과 같은 애플리케이션에 일관된 성능을 보장할 수 있습니다. 클라우드 배포를 활용하는 다양한 Ultralytics 컴퓨터 비전 솔루션을 살펴보세요.

클라우드 컴퓨팅과 관련 용어

클라우드 컴퓨팅을 관련 개념과 구별하는 것이 도움이 됩니다:

• 엣지 컴퓨팅: 클라우드 컴퓨팅은 중앙 집중식 데이터 센터에 의존하는 반면, 엣지 컴퓨팅은 로컬 디바이스나 엣지 서버에서 데이터 소스에 더 가까운 곳에서 데이터를 처리합니다. 따라서 지연 시간과 대역폭 사용량이 줄어들어 즉각적인 응답이 중요한 자율 주행 차량이나 산업 자동화와 같은 실시간 애플리케이션에 적합합니다. 클라우드와 엣지는 종종 하이브리드 모델에서 함께 작동합니다. 여기에서 엣지 컴퓨팅 원리에 대해 자세히 알아보세요. Ultralytics 모델은 엣지 디바이스에 배포할 수 있습니다.
• 서버리스 컴퓨팅: 서버리스 컴퓨팅은 클라우드 인프라 위에 구축된 실행 모델로, 클라우드 제공업체가 서버 할당 및 프로비저닝을 동적으로 관리합니다. 개발자는 기본 인프라를 관리할 필요 없이 함수(예: AWS Lambda 또는 Google Cloud Functions)에서 코드를 작성하고 배포합니다. 이벤트 중심 애플리케이션과 마이크로서비스에 자주 사용되며 기존 클라우드 서비스를 보완합니다.

결론

클라우드 컴퓨팅은 AI 및 ML 개발과 배포를 위한 유연하고 확장 가능하며 비용 효율적인 기반을 제공합니다. 연구자와 개발자는 클라우드 리소스를 활용하여 Ultralytics 제공하는 것과 같은 고급 모델의 생성 및 적용을 가속화하여 의료에서 농업에 이르기까지 다양한 산업에서 혁신을 주도할 수 있습니다. 복잡한 알고리즘을 훈련하거나 추론 서비스를 배포하거나 방대한 데이터 세트를 관리할 때 클라우드는 필수적인 도구와 인프라를 제공합니다. 원활한 모델 관리 및 학습을 위해 Ultralytics HUB를 살펴보고, 클라우드 네이티브 컴퓨팅 재단(CNCF) 및 클라우드 보안 연합(CSA) 같은 조직에서 지원하는 클라우드 인프라 기반의 AI 트렌드 및 솔루션에 대한 인사이트를 얻으려면 Ultralytics 블로그를 둘러보세요. 자세한 가이드는 Ultralytics 설명서를 검토할 수도 있습니다.