# Workflow 배포

Workflow는 네 가지 방법으로 배포할 수 있습니다:

1. 이미지를 [Roboflow API](https://inference.roboflow.com/workflows/modes_of_running/#http-api-request) 로 보내 Workflow를 사용해 처리합니다.
2. 전용으로 사용할 수 있도록 프로비저닝된 인프라에 [Roboflow Dedicated Deployment](https://docs.roboflow.com/roboflow/roboflow-ko/deploy/dedicated-deployments) 를 생성합니다.
3. 다음을 사용해 자체 하드웨어에서 Workflow를 실행합니다 [Roboflow Inference](https://inference.roboflow.com/install/).
4. 사용 [Batch Processing](https://docs.roboflow.com/roboflow/roboflow-ko/deploy/batch-processing) 을 사용해 코딩 비용 없이 대량의 데이터를 비용 효율적으로 처리합니다.

자체 하드웨어에서 Workflow를 실행하는 경우, 이미지와 비디오 파일 모두에서 실행할 수 있습니다(일반 **웹캠** 및 전문 **CCTV 카메라**).

온프레미스 배포를 선택하면 Inference를 배포할 수 있는 모든 시스템에서 Workflows를 실행할 수 있습니다. 여기에는 다음이 포함됩니다:

* NVIDIA Jetson
* AWS EC2, GCP Cloud Engine 및 Azure Virtual Machines
* Raspberry Pi

{% hint style="info" %}
Roboflow Enterprise 고객은 Basler 카메라에서 inference를 실행하는 것과 같은 추가 비디오 스트림 옵션을 사용할 수 있습니다. 제공 항목에 대해 자세히 알아보려면 [Roboflow 영업팀에 문의하세요](https://roboflow.com/sales).
{% endhint %}

### Workflow 배포

workflow를 배포하려면 Workflows 편집기의 왼쪽 상단 모서리에 있는 "Deploy" 버튼을 클릭하세요. 모든 배포 옵션은 이 페이지에 문서화되어 있습니다.

Workflows 편집기의 코드 스니펫에는 Workflows URL과 API 키가 미리 입력되어 있습니다.

{% hint style="info" %}
Workflows의 사용량 제한에 대해 자세히 알아보려면 [Roboflow 가격 페이지](https://roboflow.com/workflows).
{% endhint %}

#### 이미지 처리

Roboflow API 또는 로컬 Inference 서버를 사용해 단일 이미지에서 Workflow를 실행할 수 있습니다.

먼저, Roboflow Inference SDK를 설치하세요:

```python
pip install inference-sdk inference-cli 
```

로컬에서 실행하는 경우, [공식 Docker 설치 지침](https://docs.docker.com/get-docker/) 을 따라 머신에 Docker를 설치하고 Inference 서버를 시작하세요:

```
inference server start
```

그런 다음 새 Python 파일을 만들고 다음 코드를 추가하세요:

```python
from inference_sdk import InferenceHTTPClient

client = InferenceHTTPClient(
    api_url="https://detect.roboflow.com",  # 또는 로컬 배포의 경우 "http://127.0.0.1:9001"
    api_key="API_KEY"
)

result = client.run_workflow(
    workspace_name="workspace-name",
    workflow_id="workflow-id",
    images={
        "image": "YOUR_IMAGE.jpg"
    }
)

```

위에서, `API_KEY` 를 Roboflow API 키로 바꾸세요. `workspace-name` 및 `workflow-id` 를 Roboflow workspace 이름과 Workflow ID로 바꾸세요.

이 값들을 찾으려면 Roboflow Workflow를 열고 "Deploy Workflow"를 클릭하세요. 그런 다음 페이지에 표시되는 코드 스니펫에서 workspace 이름과 workflow ID를 복사하세요.

로컬 실행은 CPU와 NVIDIA CUDA GPU 디바이스에서 작동합니다. 최상의 성능을 위해 NVIDIA Jetson 또는 NVIDIA GPU가 탑재된 클라우드 서버와 같은 GPU 지원 디바이스에 배포하세요.

#### 비디오 스트림 처리 (RTSP, 웹캠)

비디오 스트림의 프레임에 Workflow를 배포할 수 있습니다. 웹캠 또는 RTSP 스트림이 될 수 있습니다. 비디오 파일에서도 Workflow를 실행할 수 있습니다.

먼저, Inference를 설치하세요:

```
pip install inference  # 또는 GPU 머신의 경우 inference-gpu
```

Inference 설치에는 몇 분 정도 걸릴 수 있습니다.

그런 다음 새 Python 파일을 만들고 다음 코드를 추가하세요:

```python
# InferencePipeline 객체 가져오기
from inference import InferencePipeline

def my_sink(result, video_frame):
    print(result) # 각 프레임의 예측으로 작업 수행
    

# pipeline 객체 초기화
pipeline = InferencePipeline.init_with_workflow(
    api_key="API_KEY",
    workspace_name="workspace-name",
    workflow_id="workflow-id",
    video_reference=0, # 비디오 경로, RSTP 스트림, 디바이스 ID(int, 일반적으로 내장 웹캠의 경우 0), 또는 RTSP 스트림 URL
    on_prediction=my_sink
)
pipeline.start() # pipeline 시작
pipeline.join() # pipeline 스레드가 끝날 때까지 대기

```

위에서, `API_KEY` 를 Roboflow API 키로 바꾸세요. `workspace-name` 및 `workflow-id` 를 Roboflow workspace 이름과 Workflow ID로 바꾸세요.

이 값들을 찾으려면 Roboflow Workflow를 열고 "Deploy Workflow"를 클릭하세요. 그런 다음 페이지에 표시되는 코드 스니펫에서 workspace 이름과 workflow ID를 복사하세요.

위 코드를 실행하면 비디오 또는 비디오 스트림에서 Workflow가 실행됩니다.

#### 데이터 배치 처리

Roboflow Batch Processing 서비스를 사용하면 이미지 및 비디오 파일 디렉터리 등 전체 데이터 배치를 효율적으로 처리할 수 있습니다. 이 완전 관리형 솔루션은 코딩이나 로컬 연산이 필요하지 않습니다. 데이터와 Workflow만 선택하면 나머지는 Roboflow가 처리합니다.

Batch Processing에 대해 UI, CLI, REST API 상호작용을 모두 지원합니다. 아래에서는 CLI 명령을 소개합니다. [모든 옵션](https://inference.roboflow.com/workflows/batch_processing/about/#cli).

처리를 실행하려면 Inference CLI를 설치하세요:

```
pip install inference-cli
```

그런 다음 데이터를 수집할 수 있습니다:

```
inference rf-cloud data-staging create-batch-of-images \
    --images-dir <your-images-dir-path> \
    --batch-id <your-batch-id>
```

데이터가 로드되면 처리 작업을 시작하세요:

```
inference rf-cloud batch-processing process-images-with-workflow \
    --workflow-id <workflow-id> \
    --batch-id <batch-id>
```

작업 진행 상황은 다음을 사용해 표시할 수 있습니다:

```
inference rf-cloud batch-processing show-job-details \
    --job-id <your-job-id>  # job-id는 작업을 생성할 때 표시됩니다
```

그리고 작업이 완료되면 결과를 내보내세요:

```
inference rf-cloud data-staging export-batch \
    --target-dir <dir-to-export-result> \
    --batch-id <output-batch-of-a-job>
```