> For the complete documentation index, see [llms.txt](https://docs.roboflow.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.roboflow.com/models/ko/supported-models/resnet.md).

# ResNet

ImageNet 사전학습 ResNet 이미지 분류를 통해 실행 [서버리스 호스티드 API](https://docs.roboflow.com/deployment/roboflow-cloud/serverless-api), 또는 다음을 사용해 자체 호스팅하세요 [Roboflow Inference](https://docs.roboflow.com/deployment/self-hosted/self-hosted).

## 기본 별칭

이 별칭들 중 아무 것이나 다음으로 전달하세요 `model_id` 다음을 사용할 때 [inference-sdk](https://docs.roboflow.com/deployment/roboflow-cloud/serverless-api#python-sdk):

* `resnet18`
* `resnet34`
* `resnet50`
* `resnet101`

## 정확도 및 추론 속도

지연 시간은 다음으로 측정됩니다 [Roboflow Inference](https://docs.roboflow.com/deployment/self-hosted/self-hosted) 1x NVIDIA L4에서, 배치 크기 1, 1,000회 추론의 평균(100회 워밍업). 이러한 별칭은 ONNX에서 실행됩니다(사전 빌드된 TensorRT 엔진 없음). 배치 처리는 도움이 되지 않습니다. 이러한 체크포인트는 고정된 배치 차원 1로 내보내집니다.

정확도는 표준 torchvision 가중치의 공개된 ImageNet-1k 사양입니다([출처](https://pytorch.org/vision/stable/models.html)).

<table data-search="false"><thead><tr><th>별칭</th><th>Top-1</th><th>Top-5</th><th>지연 시간(ms)</th></tr></thead><tbody><tr><td><code>resnet18</code></td><td>69.8</td><td>89.1</td><td>1.4</td></tr><tr><td><code>resnet34</code></td><td>73.3</td><td>91.4</td><td>2.2</td></tr><tr><td><code>resnet50</code></td><td>76.1</td><td>92.9</td><td>2.4</td></tr><tr><td><code>resnet101</code></td><td>77.4</td><td>93.5</td><td>3.7</td></tr></tbody></table>

## 코드 샘플

{% stepper %}
{% step %}

### API 키 받기

Roboflow 계정을 만들고, 다음에서 키를 찾으세요 [Roboflow API 설정 페이지](https://app.roboflow.com/settings/api) 그리고 셸에서 사용할 수 있도록 설정하세요:

```bash
export ROBOFLOW_API_KEY="your-key-here"
```

{% endstep %}

{% step %}

### 의존성 설치하기

이 패키지는 다음 모델을 호출합니다:

```bash
pip install -U inference-sdk supervision
```

{% endstep %}

{% step %}

### 모델 실행하기

아래 샘플은 `resnet50` 원격 이미지에 대해 실행합니다.

```python
import os
import supervision as sv
from inference_sdk import InferenceHTTPClient

image = sv.load_image_from_url("https://media.roboflow.com/notebooks/examples/dog.jpeg")

client = InferenceHTTPClient(
    api_url="https://serverless.roboflow.com",
    api_key=os.environ["ROBOFLOW_API_KEY"],
)
results = client.infer(image, model_id="resnet50")
print(results)
```

<figure><img src="/files/99d9b04e72e6cb51c52d6f998122d84dca75b2cb" alt=""><figcaption></figcaption></figure>
{% endstep %}
{% endstepper %}

{% hint style="info" %}
설정하세요 `api_url` 배포 대상에 맞게 설정하세요:

* `https://serverless.roboflow.com` Serverless Hosted API용입니다.
* `http://localhost:9001` 로컬 [Inference](https://docs.roboflow.com/deployment/self-hosted/self-hosted) 서버.
* 사용자 [전용 배포](https://docs.roboflow.com/deployment/roboflow-cloud/dedicated-deployments) 비공개 엔드포인트용 URL.
  {% endhint %}