Custom Model Weight 업로드

Roboflow는 모델 배포를 위해 사용자 지정 학습 모델의 weight를 Roboflow project에 업로드할 수 있는 기능을 제공합니다.

관련 페이지:

• Roboflow에서 모델을 학습하려면 다음을 참조하세요 모델 학습

• 모델 weights를 다운로드하려면 다음을 참조하세요 Model Weight 다운로드

Roboflow 외부에서 학습한 weights 업로드

사용자 지정 모델 학습을 완료한 후, 모델 weights를 다시 Roboflow project에 업로드하여 다음의 이점을 활용하세요 Roboflow Inference.

모델 지원

다음을 참조하세요: Supported Models 표 weights 업로드 호환성에 대한 자세한 내용은.

• YOLOv8 모델은 다음에서 학습해야 합니다: ultralytics==8.0.196

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

• YOLOv10 모델은 다음을 사용하여 학습 및 업로드해야 합니다: ultralytics 에서

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

• YOLOv11 모델은 다음에서 학습해야 합니다: ultralytics<=8.3.40

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

더 큰 모델 크기는 더 좋은 학습 결과를 제공합니다. 그러나 모델 크기가 클수록 학습 시간과 inference(모델 예측) 속도는 느려집니다. 빠르게 움직이는 객체나 비디오 피드에 대한 실시간 inference를 원하시는지(더 작은 모델을 사용하는 것이 좋음), 아니면 데이터 수집 후에 이를 처리하며 더 높은 예측 정확도를 더 중시하는지(더 큰 모델 선택)를 고려하세요.

Versioned vs. Versionless 모델 업로드

Roboflow는 project에 모델을 배포하는 두 가지 서로 다른 방식을 제공하며, 각 방식은 서로 다른 사용 사례와 조직의 요구를 충족합니다. versioned 배포와 versionless 배포 중 선택은 dataset version과 함께 모델의 변화를 추적해야 하는지, 아니면 workspace의 여러 project 간에 모델을 공유하고 싶은지에 따라 달라집니다.

• Versionless 배포

  • workspace 수준에 연결됨

  • 여러 project에 동시에 배포할 수 있음

  • 동일한 workspace 내의 서로 다른 project 간에 모델을 공유하는 데 이상적임

• Versioned 배포

  • 특정 project version에 연결됨

  • dataset version당 모델 1개

  • dataset version과 함께 모델의 변화를 추적하는 데 이상적임

  • Label Assist에서 모델을 사용하는 데 이상적임

  • 다른 모델을 학습할 때 checkpoint로 모델을 사용하는 데 이상적임

사용자 지정 weights 업로드

먼저, 최신 버전의 roboflow Python 패키지가 설치되어 있는지 확인하세요:

pip install --update roboflow

Python SDK (Versionless)

versionless 사용자 지정 weights를 업로드하려면 다음을 사용하세요: workspace.deploy_model() 메서드:

workspace.deploy_model(
    model_type="yolov8",  # 모델 유형
    model_path="path/to/model",  # model 디렉터리 경로
    project_ids=["project1", "project2"],  # project ID 목록
    model_name="my-model",  # 모델 이름(최소 1개의 문자를 포함해야 하며, 숫자와 하이픈을 허용함)
    filename="weights/best.pt"  # weights 파일 경로(기본값)
)

매개변수

• model_type (str): 배포되는 모델의 유형(예: "yolov8", "yolov11")

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

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

• model_name (str): 모델을 식별하기 위한 이름 - (최소 1개의 문자를 포함해야 하며, 숫자와 하이픈을 허용함)

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

예시

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 (Versioned)

CLI (Versionless 및 versioned)

다음 단계

1. Roboflow의 "Models" 탭에서 모델을 확인하세요

2. 다음을 사용해 로컬에서 모델을 실행하세요: Roboflow Inference Server.

3. 모델을 배포하세요