> 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/yolo-nas.md).

# YOLO-NAS

YOLO-NAS 객체 감지 모델을 서버리스 클라우드 API를 통해 사용

YOLO-NAS는 Deci의 객체 감지 모델로, 신경망 구조 탐색을 통해 생성되었습니다. Roboflow는 COCO로 사전 학습된 YOLO-NAS 체크포인트를 짧은 별칭으로 제공하며, 또한 [자신의 가중치를 업로드하여](https://docs.roboflow.com/models/ko/model-weights/upload-custom-weights.md) 다른 곳에서 학습한 모델을 실행할 수 있습니다.

Roboflow에서 YOLO-NAS 학습은 지원되지 않습니다. Roboflow에서 학습된 탐지기는 다음을 참조하세요. [RF-DETR](https://docs.roboflow.com/models/ko/supported-models/rf-detr.md), [YOLO26](https://docs.roboflow.com/models/ko/supported-models/yolo26.md) 또는 [YOLO11](https://docs.roboflow.com/models/ko/supported-models/yolo11.md).

## YOLO-NAS 사전 학습 별칭

이 ID 중 하나를 `model_id` 로 전달하여 아무것도 학습하지 않고 COCO 사전 학습 체크포인트를 실행할 수 있습니다. 전체 목록은 다음에 있습니다. [사전 학습 모델 별칭](https://docs.roboflow.com/models/ko/pretrained-aliases.md) 페이지.

| 모델            | 입력 크기 | 작업    | 모델 ID            | 테스트                                                                 |
| ------------- | ----- | ----- | ---------------- | ------------------------------------------------------------------- |
| YOLO-NAS (소형) | 640   | 객체 감지 | `yolo-nas-s-640` | [브라우저에서 테스트](https://universe.roboflow.com/microsoft/coco/model/14) |
| YOLO-NAS (중형) | 640   | 객체 감지 | `yolo-nas-m-640` | [브라우저에서 테스트](https://universe.roboflow.com/microsoft/coco/model/15) |
| YOLO-NAS (대형) | 640   | 객체 감지 | `yolo-nas-l-640` | [브라우저에서 테스트](https://universe.roboflow.com/microsoft/coco/model/16) |

## YOLO-NAS API

{% stepper %}
{% step %}

### API 키 받기

Roboflow 계정을 만들고, 다음에서 키를 찾은 뒤 [Roboflow API 설정 페이지](https://app.roboflow.com/settings/api) 쉘에서 사용할 수 있게 만드세요:

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

{% endstep %}

{% step %}

### 의존성 설치

Inference SDK와 [supervision을 설치하여](https://supervision.roboflow.com/) 예측을 디코딩하고 그리기:

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

{% endstep %}

{% step %}

### 모델 실행

이 예제는 사전 학습된 `yolo-nas-s-640` 체크포인트를 실행합니다. 자신의 가중치를 제공하려면, 다음으로 교체하세요. `{workspace}/{model-slug}` ID로 (참조 [버전, 학습, 모델](https://docs.roboflow.com/models/ko/versions-trainings-and-models.md)).

```python
import os
import cv2
import supervision as sv
from inference_sdk import InferenceHTTPClient, InferenceConfiguration

image = sv.load_image_from_url("https://media.roboflow.com/inference/people-walking.jpg")

client = InferenceHTTPClient(
    api_url="https://serverless.roboflow.com",
    api_key=os.environ["ROBOFLOW_API_KEY"],
).configure(InferenceConfiguration(api_key_transport="header"))
results = client.infer(image, model_id="yolo-nas-s-640")

detections = sv.Detections.from_inference(results)

labels = [
    f"{name} {conf:.2f}"
    for name, conf in zip(detections.data["class_name"], detections.confidence)
]
annotated = sv.BoxAnnotator().annotate(image.copy(), detections)
annotated = sv.LabelAnnotator().annotate(annotated, detections, labels=labels)
cv2.imwrite("annotated.png", annotated)
```

{% endstep %}
{% endstepper %}

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

* `https://serverless.roboflow.com` Serverless Cloud API용입니다.
* `http://localhost:9001` 로컬 [Inference](https://docs.roboflow.com/deployment/self-hosted/self-hosted) 서버용입니다.
* 당신의 [전용 배포](https://docs.roboflow.com/deployment/roboflow-cloud/dedicated-deployments) 개인 엔드포인트용 URL입니다.
  {% endhint %}

또한 다음의 [`inference`](https://docs.roboflow.com/deployment/self-hosted/self-hosted) 패키지를 사용하여 체크포인트를 프로세스 내에서 불러올 수도 있습니다:

```python
from inference import get_model

model = get_model(model_id="yolo-nas-s-640")
results = model.infer("https://media.roboflow.com/inference/people-walking.jpg")
```

## 사용자 지정 가중치 업로드

Roboflow 외부에서 학습한 YOLO-NAS 모델을 실행하려면, 다음이 있는 프로젝트에 해당 가중치를 업로드하세요. [Roboflow CLI](https://docs.roboflow.com/reference/platform/cli/install-and-set-up-the-cli):

```bash
roboflow upload_model -p my-project -v 1 -t yolonas -m ./checkpoints/my-run
```

모델 디렉터리에는 `opt.yaml` 가 있어야 하며, 여기에는 아키텍처 이름이 들어 있어야 합니다(예: `architecture: yolo_nas_s`). 다음을 참조하세요. [사용자 지정 가중치 업로드](https://docs.roboflow.com/models/ko/model-weights/upload-custom-weights.md) Python SDK 및 학습 버전 요구 사항에 대해
