# 모델 또는 Workflow 배포

우리는 models와 workflows 모두에 대해 managed deployments와 self-hosted deployment를 지원합니다.

### Managed Deployments

이 옵션은 Roboflow의 클라우드 인프라를 활용해 models와 workflows를 실행하므로, 사용자가 자체 하드웨어나 소프트웨어를 관리할 필요가 없습니다.

<table data-view="cards"><thead><tr><th></th><th></th><th data-hidden data-card-cover data-type="image">표지 이미지</th><th data-hidden data-card-target data-type="content-ref"></th></tr></thead><tbody><tr><td><strong>Serverless Hosted API</strong></td><td>즉시 시작하고 자동으로 확장하세요.</td><td><a href="/files/b9868fbe1e1e17035131e45a86fd2b9edd27fc63">/files/b9868fbe1e1e17035131e45a86fd2b9edd27fc63</a></td><td><a href="/pages/12a8864f22e80a64ec7b10edd5982f76555add7a">/pages/12a8864f22e80a64ec7b10edd5982f76555add7a</a></td></tr><tr><td><strong>Dedicated Deployment</strong></td><td>대규모 models와 예측 가능한 워크로드에 적합합니다.</td><td><a href="/files/bfb4b94b82654a7e997106e1c51f4cb010592d6c">/files/bfb4b94b82654a7e997106e1c51f4cb010592d6c</a></td><td><a href="/pages/c4899c2913a6547dde06edeee8d21c90e4d15e17">/pages/c4899c2913a6547dde06edeee8d21c90e4d15e17</a></td></tr><tr><td><strong>Batch Processing</strong></td><td>저장된 데이터를 비용 효율적으로 처리합니다.</td><td><a href="/files/16b61a6c767993c85f48f385e1ac38653dca6603">/files/16b61a6c767993c85f48f385e1ac38653dca6603</a></td><td><a href="/pages/9c9d245a89e6ae236ea7cf83cca26e900c05f25e">/pages/9c9d245a89e6ae236ea7cf83cca26e900c05f25e</a></td></tr></tbody></table>

### Self-Hosted Deployment

또한 self-hosted [Roboflow Inference](https://inference.roboflow.com/)에 models와 workflows를 배포할 수 있으며, 이를 통해 환경, 리소스, 지연 시간에 대한 제어가 더 커집니다.

* [자신의 클라우드 서버에서 self-hosting](https://inference.roboflow.com/install/cloud/)
* [Edge device에서 self-hosting](https://inference.roboflow.com/install/)

{% hint style="info" %}
이 옵션은 인프라 관리와 전문 지식이 필요합니다.
{% endhint %}

<details>

<summary>Inference란 무엇인가요?</summary>

{% hint style="info" %}
컴퓨터 비전에서 inference는 학습된 model을 사용해 새로운 이미지나 비디오를 분석하고 예측을 수행하는 과정을 의미합니다. 예를 들어, object detection model은 비디오 스트림에서 객체를 식별하고 위치를 찾는 데 사용될 수 있고, classification model은 내용에 따라 이미지를 분류하는 데 사용될 수 있습니다.
{% endhint %}

[***Roboflow Inference***](https://inference.roboflow.com/) 는 컴퓨터 비전 models와 workflows를 배포하기 위한 강력하고 유연한 framework를 제공하는 오픈소스 프로젝트입니다. 이는 Roboflow의 managed deployment 서비스 대부분을 구동하는 엔진입니다. 또한 직접 self-hosting할 수도 있고, 이를 사용해 vision workflows를 edge devices에 배포할 수도 있습니다. Roboflow Inference는 다음을 포함한 다양한 기능과 역량을 제공합니다:

* object detection, classification, instance segmentation 등 다양한 model architecture와 작업을 지원합니다.
* Workflows는 수백 개의 building Blocks 중에서 선택해 여러 model, 미리 구축된 로직, 외부 애플리케이션을 결합하여 computer vision 애플리케이션을 구축할 수 있게 해줍니다.
* CPU, GPU, NVIDIA Jetson과 같은 edge devices를 포함한 다양한 장치에서 최적화된 성능을 위한 hardware acceleration.
* 리소스를 효율적으로 사용하기 위한 multiprocessing.
* 비디오 스트림을 원활하게 처리하기 위한 video decoding.
* 배포를 간소화하는 HTTP interface, APIs 및 docker images
* Roboflow의 hosted deployment 옵션 및 Roboflow platform과의 통합.

</details>

<details>

<summary>Workflow란 무엇인가요?</summary>

[Workflows](https://github.com/roboflow-ai/roboflow-docs/blob/main/deploy/deployment-overview/broken-reference/README.md) 여러 model, 미리 구축된 로직, 외부 애플리케이션을 결합하여 복잡한 computer vision 애플리케이션을 구축할 수 있게 해줍니다. 이를 통해 정교한 computer vision pipeline을 설계하고 배포할 수 있는 시각적 low-code 환경을 제공합니다.

Workflows를 사용하면 다음이 가능합니다:

* 여러 model을 연결해 복잡한 작업을 수행합니다.
* 애플리케이션에 사용자 정의 로직과 의사결정을 추가합니다.
* 외부 시스템 및 APIs와 통합합니다.
* 이미지와 비디오에서 객체를 추적, 계산, 시간 측정, 측정 및 시각화합니다.

</details>

### 올바른 Deployment 옵션 선택하기

{% hint style="info" %}
inference에서 사용 사례에 가장 적합한 배포 방법을 선택하는 방법에 대한 훌륭한 가이드가 있습니다 [Getting Started 가이드](https://inference.roboflow.com/start/getting-started/).
{% endhint %}

가장 적합한 배포 옵션은 특정 요구 사항과 필요에 따라 달라집니다. 결정을 내릴 때 다음 요소를 고려하세요:

* 확장성: 애플리케이션이 다양한 수준의 트래픽이나 데이터 볼륨을 처리해야 한다면, serverless API는 실시간 use-case에 뛰어난 확장성을 제공합니다. 그렇지 않다면, [Batch Processing](/roboflow/roboflow-ko/deploy/batch-processing.md) 가 권장되는 옵션입니다.
* 지연 시간: 낮은 latency나 비디오 처리가 필요하다면, 강력한 하드웨어를 갖춘 dedicated deployments 또는 self-hosted deployments가 가장 좋은 선택일 수 있습니다.
* 제어: self-hosted deployments는 환경과 리소스에 대한 가장 높은 수준의 제어를 제공합니다.
* 전문성: self-hosted deployments는 설정과 관리에 더 많은 기술적 전문 지식이 필요합니다.


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.roboflow.com/roboflow/roboflow-ko/deploy/deployment-overview.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.