> ## Documentation Index
> Fetch the complete documentation index at: https://docs.wandb.ai/llms.txt
> Use this file to discover all available pages before exploring further.
# Ultralytics YOLO
> 실험 추적, 모델 체크포인트 저장, 컴퓨터 비전 시각화를 위해 Ultralytics YOLO 모델과 함께 W&B를 사용하세요.
export const ColabLink = ({url}) =>
Colab에서 사용해 보기
;
[Ultralytics](https://github.com/ultralytics/ultralytics)는 이미지 분류, 객체 감지, 이미지 분할, 자세 추정과 같은 작업을 위한 최신 컴퓨터 비전 모델을 제공하는 대표적인 플랫폼입니다. 실시간 객체 감지 모델인 YOLO 계열의 최신 버전 [YOLOv8](https://docs.ultralytics.com/models/yolov8/)뿐 아니라, [SAM (Segment Anything Model)](https://docs.ultralytics.com/models/sam/#introduction-to-sam-the-segment-anything-model), [RT-DETR](https://docs.ultralytics.com/models/rtdetr/), [YOLO-NAS](https://docs.ultralytics.com/models/yolo-nas/) 등 강력한 다른 컴퓨터 비전 모델도 제공합니다. Ultralytics는 이러한 모델의 구현을 제공할 뿐만 아니라, 사용하기 쉬운 API를 통해 이 모델들을 트레이닝하고, 파인튜닝하고, 적용할 수 있는 즉시 활용 가능한 워크플로도 함께 제공합니다.
## 시작하기
1. `ultralytics`와 `wandb`를 설치합니다.
```shell theme={null}
pip install --upgrade ultralytics==8.0.238 wandb
# 또는
# conda install ultralytics
```
```bash theme={null}
!pip install --upgrade ultralytics==8.0.238 wandb
```
개발팀은 이 인테그레이션을 `ultralytics v8.0.238` 이하 버전에서 테스트했습니다. 인테그레이션 관련 문제를 보고하려면 `yolov8` 태그를 포함해 [GitHub 이슈](https://github.com/wandb/wandb/issues/new?template=sdk-bug.yml)를 생성하세요.
## 실험을 추적하고 검증 결과 시각화하기
이 섹션에서는 [Ultralytics](https://docs.ultralytics.com/modes/predict/) 모델을 사용해 트레이닝, 파인튜닝, 검증을 수행하고, [W\&B](https://wandb.ai/site)를 통해 실험 추적, 모델 체크포인트 저장, 모델 성능 시각화를 수행하는 일반적인 워크플로를 보여줍니다.
이 인테그레이션에 대한 자세한 내용은 다음 리포트에서도 확인할 수 있습니다: [Supercharging Ultralytics with W\&B](https://wandb.ai/geekyrakshit/ultralytics/reports/Supercharging-Ultralytics-with-Weights-Biases--Vmlldzo0OTMyMDI4)
Ultralytics와 W\&B 인테그레이션을 함께 사용하려면 `wandb.integration.ultralytics.add_wandb_callback` 함수를 임포트하세요.
```python theme={null}
import wandb
from wandb.integration.ultralytics import add_wandb_callback
from ultralytics import YOLO
```
원하는 `YOLO` 모델을 초기화한 다음, 모델로 Inference를 수행하기 전에 `add_wandb_callback` 함수를 호출하세요. 이렇게 하면 트레이닝, 파인튜닝, 검증 또는 Inference를 수행할 때 [컴퓨터 비전 작업용 대화형 오버레이](/ko/models/track/log/media/#image-overlays-in-tables)와 [`wandb.Table`](/ko/models/tables/)의 추가 정보와 함께, 정답과 해당 예측 결과가 모두 오버레이된 이미지 및 실험 로그가 W\&B에 자동으로 저장됩니다.
```python theme={null}
with wandb.init(project="ultralytics", job_type="train") as run:
# YOLO 모델 초기화
model = YOLO("yolov8n.pt")
# Ultralytics용 W&B 콜백 추가
add_wandb_callback(model, enable_model_checkpointing=True)
# 모델 트레이닝/파인튜닝
# 각 에포크 종료 시 검증 배치에 대한 예측 결과가
# 컴퓨터 비전 작업을 위한 유용한 대화형 오버레이와 함께
# W&B 테이블에 로깅됩니다
model.train(project="ultralytics", data="coco128.yaml", epochs=5, imgsz=640)
```
다음은 Ultralytics 트레이닝 또는 파인튜닝 워크플로에서 W\&B로 추적한 실험 예시입니다:
이 섹션에서는 [Ultralytics](https://docs.ultralytics.com/modes/predict/) 모델을 Inference에 사용하고 [W\&B](https://wandb.ai/site)를 사용해 결과를 시각화하는 일반적인 워크플로를 보여줍니다.
Google Colab에서 이 코드를 사용해 볼 수 있습니다: [Colab에서 열기](https://wandb.me/ultralytics-inference).
다음 리포트에서 이 인테그레이션에 대해서도 확인할 수 있습니다: [W\&B로 Ultralytics 강화하기](https://wandb.ai/geekyrakshit/ultralytics/reports/Supercharging-Ultralytics-with-Weights-Biases--Vmlldzo0OTMyMDI4)
Ultralytics와 W\&B 인테그레이션을 사용하려면 `wandb.integration.ultralytics.add_wandb_callback` 함수를 임포트해야 합니다.
```python theme={null}
import wandb
from wandb.integration.ultralytics import add_wandb_callback
from ultralytics.engine.model import YOLO
```
인테그레이션을 테스트할 수 있도록 이미지 몇 장을 다운로드하세요. 정지 이미지, 비디오 또는 카메라 소스를 사용할 수 있습니다. Inference 소스에 대해 자세히 알아보려면 [Ultralytics 문서](https://docs.ultralytics.com/modes/predict/)를 확인하세요.
```bash theme={null}
!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 사용해 W\&B [run](/ko/models/runs/)을 초기화합니다. 다음으로 원하는 `YOLO` 모델을 초기화한 뒤, 모델로 Inference를 수행하기 전에 해당 모델에서 `add_wandb_callback` 함수를 호출합니다. 이렇게 하면 Inference를 수행할 때 [컴퓨터 비전 작업용 대화형 오버레이](/ko/models/track/log/media/#image-overlays-in-tables)가 적용된 이미지와 추가 인사이트가 [`wandb.Table`](/ko/models/tables/)에 자동으로 함께 기록됩니다.
```python theme={null}
# W&B Run 초기화
with wandb.init(project="ultralytics", job_type="inference") as run:
# YOLO 모델 초기화
model = YOLO("yolov8n.pt")
# Ultralytics용 W&B 콜백 추가
add_wandb_callback(model, enable_model_checkpointing=True)
# 예측 수행 - 바운딩 박스, 세그멘테이션 마스크의
# 대화형 오버레이와 함께 W&B Table에 자동으로 기록됨
model(
[
"./assets/img1.jpeg",
"./assets/img3.png",
"./assets/img4.jpeg",
"./assets/img5.jpeg",
]
)
```
트레이닝 또는 파인튜닝 워크플로에서는 `wandb.init()`으로 run을 명시적으로 초기화할 필요가 없습니다. 하지만 코드가 예측만 수행하는 경우에는 run을 명시적으로 생성해야 합니다.
다음은 대화형 bbox 오버레이의 모습입니다: