> 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/roboflow/roboflow-ko/datasets/dataset-versions/create-a-dataset-version.md). # 데이터셋 버전 만들기 버전은 데이터셋의 특정 시점 스냅샷입니다. 우리는 각 버전을 유지하는데, 모델의 각 반복에서 정확히 어떤 이미지, 전처리, 증강 단계가 사용되었는지 추적함으로써 결과를 재현할 수 있는 능력을 유지할 수 있기 때문입니다. 이를 통해 데이터 파이프라인의 버그/변경 때문이 아니라 모델 변경 때문이라는 확신을 유지한 채, 다양한 모델과 framework 전반에서 과학적으로 테스트할 수 있습니다. 핵심 개념: Workspaces & Projects란 무엇인가요? {% hint style="info" %} 버전이 생성되면 그 시점에 고정되며, 이는 이미지, annotation 또는 기타 데이터를 추가/삭제하는 등 Project에 대한 변경 사항이 이전에 생성된 버전에는 영향을 주지 않는다는 뜻입니다. {% endhint %} ### Dataset Version을 만드는 방법 Dataset version을 만들려면 Roboflow project와 연결된 sidebar에서 "Versions"를 클릭한 다음, "Generate New Version"을 클릭하세요. 이 페이지에서 train/test/valid 분할을 설정하고 새 dataset version에 대한 preprocessing 단계와 augmentations를 지정할 수 있습니다.
데이터에 적용할 preprocessing 단계와 augmentations를 지정한 후 "Generate"를 클릭하세요. 그러면 새로운 dataset version이 생성됩니다. 그런 다음 이 dataset version을 사용해 Roboflow에서 model을 학습할 수 있습니다. 또한 [데이터셋을 export하여](/roboflow/roboflow-ko/datasets/dataset-versions/exporting-data.md) model을 수동으로 학습할 때 사용할 수 있습니다. ### Train/Validation/Test 분할 다시 조정하기 버전 생성 과정에서 training, validation, test set 분할 비율도 다시 조정할 수 있습니다. 이렇게 하려면 "Step 2: Train/Test Split"로 이동한 다음 "Rebalance" 버튼을 클릭하세요.
권장 분할은 70/20/10(train/valid/test)이며, 대부분의 데이터셋에 좋은 시작점입니다. 언제든지 "Reset"을 클릭해 복원할 수 있습니다. train, validation, test 비율을 설정한 다음 이미지를 다시 할당하는 방식을 선택하세요: * "Move as few as possible"는 이미지를 현재 분할에 유지하고 목표 비율에 도달하는 데 필요한 만큼만 이동합니다. * "Random shuffle"은 모든 이미지를 분할 간에 무작위로 다시 할당합니다. * "Random shuffle per upload batch or annotation job"은 각 업로드 배치 또는 완료된 annotation job을 개별적으로 섞으므로, 각 배치와 job이 목표 비율에 맞게 됩니다. 특정 클래스에만 rebalance를 범위 지정할 수도 있습니다. 클래스를 선택하면 해당 클래스만 포함된 이미지만 이동 대상으로 제한되며, 방법은 "Move as few as possible"로 전환됩니다. 대규모 데이터셋의 경우 rebalance는 단계별 진행률이 표시되는 백그라운드 작업으로 실행됩니다. 대화상자를 닫아도 계속 진행되며, Activity Center에서 추적할 수 있습니다.