커스텀 모델 가중치 업로드

Roboflow는 사용자 맞춤 학습 모델의 가중치를 Roboflow 프로젝트에 업로드하여 모델을 배포할 수 있는 기능을 제공합니다.

맞춤형 모델 훈련을 완료하면 Roboflow 프로젝트에 모델 가중치를 업로드하여 Roboflow Inference.

모델 지원

자세한 내용은 지원되는 모델 표 에서 가중치 업로드 호환성에 대한 세부 정보를 확인하세요.

• YOLOv8 모델은 다음에서 훈련되어야 합니다 ultralytics==8.0.196

• YOLOv9 모델은 다음을 사용하여 훈련 및 업로드해야 합니다 ultralytics 출처: https://github.com/WongKinYiu/yolov9

• YOLOv10 모델은 다음을 사용하여 훈련 및 업로드해야 합니다 ultralytics 출처:

  https://github.com/THU-MIG/yolov10

• YOLOv11 모델은 다음에서 훈련되어야 합니다 ultralytics<=8.3.40

• YOLOv12 모델은 다음을 사용하여 훈련 및 업로드해야 합니다 ultralytics 출처: https://github.com/sunsmarterjie/yolov12

더 큰 모델 크기는 더 나은 훈련 결과를 제공합니다. 그러나 모델 크기가 클수록 훈련 시간과 추론(모델 예측) 속도가 느려집니다. 빠르게 움직이는 객체나 비디오 피드에 대해 실시간 추론이 필요한지(작은 모델 사용 권장), 또는 데이터 수집 후 처리하며 더 높은 예측 정확도가 중요한지(큰 모델 선택)를 고려하세요.

버전형 vs 버전 없음 모델 업로드

Roboflow는 프로젝트에 모델을 배포하는 데 서로 다른 사용 사례와 조직적 요구에 맞는 두 가지 접근 방식을 제공합니다. 버전형 배포와 버전 없음 배포 중 선택은 데이터셋 버전과 함께 모델의 진화를 추적해야 하는지 또는 워크스페이스 내 여러 프로젝트에 모델을 공유하려는지에 따라 다릅니다.

• 버전 없음 배포

  • 워크스페이스 수준에 연결됨

  • 여러 프로젝트에 동시에 배포할 수 있음

  • 같은 워크스페이스 내 다양한 프로젝트 간 모델을 공유할 때 이상적임

• 버전형 배포

  • 특정 프로젝트 버전과 연동됨

  • 데이터셋 버전당 하나의 모델

  • 데이터셋 버전과 함께 모델의 진화를 추적하는 데 이상적임

  • Label Assist에서 모델을 사용할 때 이상적임

  • 다른 모델을 훈련하기 위한 체크포인트로 모델을 사용할 때 이상적임

맞춤 가중치 업로드

먼저 최신 roboflow Python 패키지가 설치되어 있는지 확인하세요:

pip install --update roboflow

Python SDK (버전 없음)

버전 없음 맞춤 가중치를 업로드하려면 workspace.deploy_model() 메서드를 사용하세요:

workspace.deploy_model(
    model_type="yolov8",  # 모델 유형
    model_path="path/to/model",  # 모델 디렉터리 경로
    project_ids=["project1", "project2"],  # 프로젝트 ID 목록
    model_name="my-model",  # 모델 이름(최소 1개의 문자 필요, 숫자와 대시 허용)
    filename="weights/best.pt"  # 가중치 파일 경로(기본값)
)

매개변수

• model_type (str): 배포하려는 모델 유형(예: "yolov8", "yolov11")

• model_path (str): 모델 가중치가 포함된 디렉터리의 파일 경로

• project_ids (list[str]): 모델을 배포할 프로젝트 ID 목록

• model_name (str): 모델을 식별하는 이름 - (최소 1개의 문자 필요하며 숫자와 대시 허용)

• filename (str, optional): 가중치 파일 이름(기본값: "weights/best.pt")

예제

from roboflow import Roboflow

rf = Roboflow(api_key="YOUR_API_KEY")
workspace = rf.workspace("YOUR_WORKSPACE")

workspace.deploy_model(
  model_type="yolov8",
  model_path="./runs/train/weights",
  project_ids=["project-1", "project-2", "project-3"],
  model_name="my-custom-model"
)

Python SDK (버전형)

CLI (버전 없음 및 버전형 모두)

다음 단계

1. Roboflow의 "Models" 탭에서 모델을 확인하세요

2. 로컬에서 모델을 실행하려면 Roboflow Inference Server.

3. 모델 배포