# 모델 학습

Roboflow 인터페이스에서 컴퓨터 비전 모델을 학습할 수 있습니다.

Roboflow는 두 가지 학습 옵션을 제공합니다:

* Roboflow Custom Train: 프로덕션 준비가 완료된 모델을 만드는 데 이상적인, 우리의 대표 학습 서비스입니다.
* [Neural Architecture Search](broken://pages/90193295ae850f25ba54fd4ccabdafd32d32198f): 새로운 모델 아키텍처를 발견하고 동시에 미세 조정합니다.

또한, 첫 번째 이미지 주석 배치를 승인하면 **Roboflow Instant Model** 이 자동으로 학습됩니다. 이러한 모델은 자동 라벨링이나 배포에 즉시 사용할 수 있습니다.

Roboflow에서 학습된 모델은 온디바이스 추론 서버인 Inference로 배포하거나, Serverless Hosted API와 Workflows, Batch Processing with Workflows, 또는 모델 API 엔드포인트를 사용하여 클라우드에서 배포할 수 있습니다.

{% hint style="info" %}
다음을 읽어보세요 [라이선스 안내](https://roboflow.com/licensing) 를 통해 Roboflow에서 학습된 모델의 라이선스에 대해 자세히 알아보세요.
{% endhint %}

### 모델 학습

컴퓨터 비전 모델을 학습하려면 프로젝트 탐색에서 "Train"을 방문하세요.

<figure><img src="/files/d15be9d04e73200b636c7ebfad39cfccba1d9305" alt=""><figcaption></figcaption></figure>

학습 작업 구성을 시작하려면 "Custom Training" 버튼을 클릭하세요:

<figure><img src="/files/ec22c48d0029050fa3e132e39c1757654fbfd2e8" alt=""><figcaption></figcaption></figure>

#### Neural Architecture Search (NAS)

객체 탐지 및 인스턴스 세분화 프로젝트의 경우 **Neural Architecture Search (NAS)** 를 단일 모델 아키텍처를 선택하는 대신 사용할 수 있습니다. NAS는 여러 모델 구성을 자동으로 학습하고 평가한 다음, 정확도와 지연 시간 요구 사항을 기준으로 가장 좋은 구성을 추천합니다.

NAS를 사용하려면 학습 엔진을 선택할 때 NAS 옵션을 선택하세요. NAS에는 최소 15장의 검증 이미지가 필요합니다.

NAS 학습 차트에 대한 자세한 내용은 다음을 참조하세요 [학습 결과 보기](/roboflow/roboflow-ko/train/training-results.md#nas-training-charts).

#### 모델 아키텍처 선택

다음으로, 모델 아키텍처와 크기를 선택해야 합니다. 이는 모델을 학습하는 데 사용되는 머신 러닝 기술입니다.

학습할 수 있는 모델 아키텍처는 설정한 프로젝트 유형에 따라 다릅니다. 자세한 내용은 [지원되는 모델 표](/roboflow/roboflow-ko/deploy/supported-models.md) 를 참조하세요.

객체 탐지의 경우 RF-DETR이 최고의 정확도를 제공합니다. 인스턴스 세분화의 경우 RF-DETR Seg (Preview)가 최고의 정확도를 제공합니다.

모델 크기는 선택한 모델의 아키텍처에 따라 달라집니다. 예를 들어, 최첨단 객체 탐지 모델인 RF-DETR은 Nano, Small, Medium, Base를 제공합니다. Medium, Large, Extra Large는 유료 사용자에게만 제공됩니다. 다음을 학습하는 것은 [SAM3](/roboflow/roboflow-ko/deploy/supported-models/sam3.md) 모델은 다음을 포함하는 유료 플랜에서 제공됩니다 [사용량 기반 청구](/roboflow/roboflow-ko/billing/credits.md).

프로젝트 유형에 사용할 수 있는 아키텍처를 선택한 다음 "Continue"를 클릭하세요:

<figure><img src="/files/dfc8a31a088433765239e048aae0fa93caf9d6bb" alt=""><figcaption></figcaption></figure>

#### 체크포인트 선택

학습 옵션을 선택한 후, 체크포인트에서 학습할지 묻는 질문을 받게 됩니다. 아래 탭에는 각 모델 유형에 대한 구성 옵션이 표시됩니다.

{% tabs %}
{% tab title="객체 탐지" %}
세 가지 옵션이 있습니다:

* **이전 체크포인트에서 학습:** 이미 작동하는 모델이 있고 이를 개선하고 싶을 때 이상적입니다.
* **공개 체크포인트에서 학습:** 첫 번째 모델 버전이나 이전 학습 실행에서 기대한 결과를 얻지 못했을 때 이상적입니다.
* **무작위 초기화에서 학습:** **고급 사용자 전용**이며, 이 옵션은 학습을 시작할 수 있는 빈 상태를 제공합니다. 대부분의 사용자는 이 옵션을 사용할 때 더 나쁜 결과를 봅니다.
  {% endtab %}

{% tab title="분류/의미론적 세분화" %}
분류 및 의미론적 세분화 모델의 경우 하나의 체크포인트만 사용할 수 있습니다.
{% endtab %}
{% endtabs %}

<details>

<summary>학습 옵션은 어떻게 선택하나요?</summary>

새로운 객체 탐지 프로젝트의 경우 공개 체크포인트에서 학습하는 것을 권장합니다. 기본적으로 Microsoft COCO 데이터셋으로 학습된 모델에서 학습할 수 있도록 제공합니다. 분류 및 의미론적 세분화의 경우 ImageNet에서의 학습만 지원합니다.

Universe에 호스팅된 프로젝트를 기반으로 한 체크포인트에서 학습할 수 있습니다(객체 탐지만 해당). 그렇게 하려면 먼저 [Universe에서 프로젝트에 별표를 표시하고](https://blog.roboflow.com/launch-universe-model-checkpoint/)그 다음, 해당 프로젝트가 Roboflow 웹 애플리케이션에서 학습 체크포인트로 사용 가능하게 됩니다.

또한 이전 버전의 모델을 기반으로 한 체크포인트에서 학습할 수 있습니다(객체 탐지, 인스턴스 세분화, 키포인트 탐지만 해당). 이 방법은 더 빠른 학습 프로세스를 가능하게 합니다. 모델이 강한 성능을 보이는 경우에만 모델에 대해 이전 체크포인트에서 학습하는 것을 권장합니다).

체크포인트에서 학습한다는 것은 [Transfer Learning](https://blog.roboflow.com/what-is-transfer-learning/)을 사용하고 있다는 의미입니다. Transfer Learning은 선택한 모델에서 모델 학습을 시작하도록 초기화합니다. 이는 학습 시간을 줄이고 더 향상된 학습 점수를 제공하는 데 도움이 될 수 있습니다.

처음부터 학습한다는 것은 *아니* Transfer Learning을 사용하지 않는다는 의미입니다. 이는 모델 가중치에 대해 무작위 초기값으로 모델 학습을 초기화합니다.

</details>

#### 학습 작업 시작

학습할 체크포인트를 선택한 후 Start Training을 클릭하세요.

그러면 데이터셋이 압축되어 Roboflow 클라우드에서 학습할 수 있도록 준비됩니다.

학습이 시작되기 전에 학습 요약에 예상 소요 시간과 크레딧 비용이 표시됩니다:

<figure><img src="/files/586e3213a777420fb3772f3901d0909a54437020" alt=""><figcaption></figcaption></figure>

데이터셋이 클수록, 그리고 데이터셋 내 이미지가 클수록 모델 학습에 더 오래 걸립니다.

학습 프로세스가 끝나면 이메일을 받게 됩니다. 대부분의 경우 24시간 이내입니다.

#### 가격

Roboflow에서의 학습 가격은 학습 작업의 길이에 따라 책정됩니다. 자세한 정보는 다음에서 확인할 수 있습니다 [크레딧 페이지](https://www.roboflow.com/credits).

학생이나 연구자이며 진행 중인 프로젝트에 크레딧이 필요하다면 [추가 크레딧 신청](https://roboflow.com/contribute).


---

# 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/train/train.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.