메인 콘텐츠로 건너뛰기
Try in Colab Ultralytics 는 이미지 분류, 오브젝트 검출, 이미지 세스멘테이션 및 포즈 추정 등과 같은 태스크를 위한 최첨단의 컴퓨터 비전 모델을 제공합니다. 실시간 오브젝트 검출 모델인 YOLO 시리즈의 최신 버전인 YOLOv8 뿐만 아니라 SAM (Segment Anything Model), RT-DETR, YOLO-NAS 등 강력한 컴퓨터 비전 모델들을 포함하고 있습니다. 이러한 모델의 구현체뿐만 아니라, Ultralytics는 사용하기 쉬운 API를 통해 모델의 트레이닝, 파인튜닝, 적용을 위한 엔드투엔드 워크플로우를 제공합니다.

​
시작하기

  1. ultralytics 와 wandb 를 설치합니다. 
        pip install --upgrade ultralytics==8.0.238 wandb

    # 또는
    # conda install ultralytics
    개발 팀은 ultralyticsv8.0.238 이하 버전과의 인테그레이션을 테스트했습니다. 인테그레이션 관련 문제를 보고하려면 yolov8 태그와 함께 GitHub issue 를 생성해 주세요.

​
실험 추적 및 검증 결과 시각화

Try in Colab 이 섹션에서는 Ultralytics 모델을 트레이닝, 파인튜닝, 검증에 사용하고 W&B 를 활용해 Experiments 추적, 모델 체크포인트 생성, 모델 성능 시각화를 수행하는 전형적인 워크플로우를 보여줍니다. 다음 Reports 에서도 인테그레이션에 관한 내용을 확인할 수 있습니다: Supercharging Ultralytics with W&B Ultralytics에서 W&B 인테그레이션을 사용하려면 wandb.integration.ultralytics.add_wandb_callback 함수를 임포트하세요. 
import wandb
from wandb.integration.ultralytics import add_wandb_callback

from ultralytics import YOLO
원하는 YOLO 모델을 초기화하고, 모델로 인퍼런스를 수행하기 전에 add_wandb_callback 함수를 호출합니다. 이렇게 하면 트레이닝, 파인튜닝, 검증 또는 인퍼런스를 수행할 때 실험 로그와 이미지가 자동으로 저장됩니다. 이때 W&B의 컴퓨터 비전 태스크용 인터랙티브 오버레이 를 사용하여 정답(ground-truth)과 각각의 예측값이 오버레이된 이미지와 추가적인 분석 정보가 wandb.Table 에 기록됩니다. 
with wandb.init(project="ultralytics", job_type="train") as run:

    # YOLO 모델 초기화
    model = YOLO("yolov8n.pt")

    # Ultralytics를 위한 W&B 콜백 추가
    add_wandb_callback(model, enable_model_checkpointing=True)

    # 모델 트레이닝/파인튜닝
    # 각 에포크가 끝날 때마다 검증 배치의 예측값이 
    # 컴퓨터 비전 태스크를 위한 직관적이고 인터랙티브한 오버레이와 함께
    # W&B 테이블로 로그됩니다.
    model.train(project="ultralytics", data="coco128.yaml", epochs=5, imgsz=640)
Ultralytics 트레이닝 또는 파인튜닝 워크플로우에서 W&B로 추적된 Experiments 는 다음과 같습니다: W&B Table 을 사용하여 에포크별 검증 결과를 시각화하는 방법은 다음과 같습니다:

​
예측 결과 시각화

Try in Colab 이 섹션에서는 인퍼런스를 위해 Ultralytics 모델을 사용하고 W&B 로 결과를 시각화하는 전형적인 워크플로우를 보여줍니다. Google Colab에서 코드를 직접 실행해 볼 수 있습니다: Open in Colab. 다음 Reports 에서도 인테그레이션에 관한 내용을 확인할 수 있습니다: Supercharging Ultralytics with W&B Ultralytics에서 W&B 인테그레이션을 사용하려면 wandb.integration.ultralytics.add_wandb_callback 함수를 임포트해야 합니다. 
import wandb
from wandb.integration.ultralytics import add_wandb_callback

from ultralytics.engine.model import YOLO
인테그레이션을 테스트할 이미지를 다운로드합니다. 스틸 이미지, 비디오 또는 카메라 소스를 사용할 수 있습니다. 인퍼런스 소스에 대한 자세한 정보는 Ultralytics 문서 를 확인하세요. 
!wget https://raw.githubusercontent.com/wandb/examples/ultralytics/colabs/ultralytics/assets/img1.png
!wget https://raw.githubusercontent.com/wandb/examples/ultralytics/colabs/ultralytics/assets/img2.png
!wget https://raw.githubusercontent.com/wandb/examples/ultralytics/colabs/ultralytics/assets/img4.png
!wget https://raw.githubusercontent.com/wandb/examples/ultralytics/colabs/ultralytics/assets/img5.png
wandb.init() 을 사용하여 W&B run 을 초기화합니다. 그다음, 원하는 YOLO 모델을 초기화하고 인퍼런스를 수행하기 전에 add_wandb_callback 함수를 호출합니다. 이렇게 하면 인퍼런스 수행 시 컴퓨터 비전 태스크용 인터랙티브 오버레이 가 적용된 이미지와 추가 분석 데이터가 wandb.Table 에 자동으로 로그됩니다. 
# W&B Run 초기화
with wandb.init(project="ultralytics", job_type="inference") as run:
    # YOLO 모델 초기화
    model = YOLO("yolov8n.pt")

    # Ultralytics를 위한 W&B 콜백 추가
    add_wandb_callback(model, enable_model_checkpointing=True)

    # 예측을 수행하면 바운딩 박스, 세그멘테이션 마스크에 대한
    # 인터랙티브 오버레이와 함께 W&B 테이블에 자동으로 로그됩니다.
    model(
        [
            "./assets/img1.jpeg",
            "./assets/img3.png",
            "./assets/img4.jpeg",
            "./assets/img5.jpeg",
        ]
    )
트레이닝 또는 파인튜닝 워크플로우의 경우에는 wandb.init() 을 사용하여 명시적으로 run을 초기화할 필요가 없습니다. 하지만 코드가 예측(prediction) 작업만 포함하는 경우에는 반드시 명시적으로 run을 생성해야 합니다. 인터랙티브 bbox 오버레이의 모습은 다음과 같습니다: 더 자세한 내용은 W&B 이미지 오버레이 가이드 를 참조하세요.

​
추가 자료