> 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/train/roboflow-instant.md).

# Roboflow Instant

Roboflow Instant는 Proof of Concept을 개발하는 동안 사용할 수 있는 빠르게 학습되는 few-shot 모델입니다.

Instant는 데이터셋에서 새 이미지 배치를 승인하는 즉시 자동으로 데이터셋을 사용해 모델을 학습합니다.

이 모델은 Roboflow에서 학습된 다른 모델처럼 Roboflow Workflows에서 사용할 수 있습니다.

Instant는 Object Detection 프로젝트만 지원합니다.

Roboflow Instant 모델은 학습이 무료입니다.

### Roboflow Instant 모델 학습하기

Roboflow Instant 모델은 데이터셋에 <1000개의 이미지를 추가하고 해당 프로젝트에 아직 Instant 모델이 없을 때 자동으로 학습됩니다.

Instant 학습 작업을 수동으로 트리거할 수도 있습니다.

Instant 학습 작업을 트리거하려면 프로젝트로 이동한 뒤 사이드바에서 Models를 클릭하고, سپس "Train Model"을 클릭하세요:

<figure><img src="/files/fc988d27169f938d707f8c57b68e7be5d8fe68b1" alt=""><figcaption></figcaption></figure>

"Roboflow Instant Model"을 선택하세요:

<figure><img src="/files/25148fc1cfc6935cfe3df95ba8dc2ec881545731" alt=""><figcaption></figcaption></figure>

그런 다음 학습 작업을 확인하라는 안내가 표시됩니다:

<figure><img src="/files/d784c547855ded03697c811815128220ff4ef231" alt=""><figcaption></figcaption></figure>

{% hint style="info" %}
Instant 모델에는 전처리나 증강 단계를 적용할 수 없습니다.
{% endhint %}

Roboflow Instant 학습 작업을 시작하려면 "Create New Instant Model"을 클릭하세요.

그러면 학습 작업이 시작됩니다.

모델을 사용할 준비가 되기까지 몇 분 정도 걸릴 수 있습니다.

그런 다음 Instant 모델이 모델 목록에 표시됩니다:

<figure><img src="/files/9d18c54b6063d2ed267ed6894c2a8defa0e2dbd4" alt=""><figcaption></figcaption></figure>

### Instant 모델 배포하기

모델을 사용하려면 배포할 모델 행의 오른쪽에 있는 Deploy Model 버튼을 클릭하세요:

<figure><img src="/files/6ea98d8bc9784214d4efa507099d60eeb1d35280" alt=""><figcaption></figcaption></figure>

창이 나타나며, 여기에서 배포에 사용할 Workflow 템플릿을 선택할 수 있습니다. 직접 Workflow를 만들 수도 있습니다.

<figure><img src="/files/3950f29bde8b1a607bf7287872d6ca85330a00c7" alt=""><figcaption></figcaption></figure>

옵션을 선택하면 Workflow가 생성됩니다. 이 Workflow는 Roboflow Workspace의 Workflows 페이지에서 접근할 수 있습니다.

다음은 Detect, Count, and Visualize 템플릿으로 생성된 Workflow의 예시입니다:

<figure><img src="/files/4f3a4d0bf5ab9a7aebd3a48075e75a85f39541ee" alt=""><figcaption></figcaption></figure>

이 Workflow는 Roboflow Instant 모델을 사용합니다.

Workflow를 테스트하여 Instant 모델이 실제로 작동하는 모습을 볼 수 있습니다:

<figure><img src="/files/6c8d1123cbed29a33bc4ac42129f2c2458bcd35b" alt=""><figcaption></figcaption></figure>

### API로 Instant 모델 실행하기

학습이 완료되면 Instant 모델은 다음에서 사용할 수 있습니다. [서버리스 클라우드 API](https://docs.roboflow.com/deployment/roboflow-cloud/serverless-api) 다른 Roboflow 모델과 동일한 엔드포인트 패턴을 사용합니다.

Roboflow Instant 모델은 모델별 `{workspace}/{model-slug}` ID(참조 [버전, 학습, 모델](/models/ko/versions-trainings-and-models.md)), 즉 Roboflow 3.0 모델을 호출하듯이 호출합니다.

{% hint style="info" %}
Instant 모델의 confidence threshold는 민감할 수 있습니다. 최적값은 일반적으로 학습 데이터셋의 크기에 따라 0.85에서 0.99 사이입니다.
{% endhint %}

#### 코드 예제

{% stepper %}
{% step %}
**API 키 받기**

Roboflow 계정을 만들고, [Roboflow API 설정 페이지](https://app.roboflow.com/settings/api) 에서 키를 찾아 셸에서 사용할 수 있게 하세요:

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

{% endstep %}

{% step %}
**의존성을 설치하세요**

설치하세요 [Inference SDK](https://docs.roboflow.com/reference/inference/inference-sdk) 및 [supervision](https://supervision.roboflow.com/):

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

{% endstep %}

{% step %}
**모델 실행**

이 예제는 공개 [rf-bolts](https://universe.roboflow.com/erik-pe6au/rf-bolts) Roboflow Instant 모델(나사, 평와셔, 육각너트)은 작은 라벨링 데이터셋으로 few-shot 학습되었습니다. 여러분의 자체 `{workspace}/{model-slug}` 를 학습된 Instant 모델로 교체하세요.

```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/docs/bolts.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="erik-pe6au/bolts-uzqzc-instant-1")

detections = sv.Detections.from_inference(results)

annotated_image = sv.BoxAnnotator().annotate(image.copy(), detections)

cv2.imwrite("annotated.png", annotated_image)
```

<figure><img src="/files/fc832f6b6026959947cc77a7a75e0cfecfa1c7e4" alt=""><figcaption></figcaption></figure>
{% endstep %}
{% endstepper %}

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

* `https://serverless.roboflow.com` 는 서버리스 클라우드 API용입니다.
* `http://localhost:9001` 로컬 [Inference](https://docs.roboflow.com/deployment/self-hosted/self-hosted) 서버용입니다.
* 귀하의 [전용 배포](https://docs.roboflow.com/deployment/roboflow-cloud/dedicated-deployments) 는 비공개 엔드포인트의 URL입니다.
  {% endhint %}

더 많은 배포 옵션과 자체 호스팅에 대해서는 다음을 참고하세요. [자체 호스팅 배포](https://docs.roboflow.com/deployment/self-hosted/self-hosted).