워크플로우 배포

Workflow는 네 가지 방법으로 배포할 수 있습니다:

1. 이미지를 Roboflow API 로 전송하여 Workflow로 처리합니다.

2. 를 생성합니다 Roboflow Dedicated Deployment 귀하만을 위해 전용으로 프로비저닝된 인프라에 배포합니다.

3. 자체 하드웨어에서 Workflow를 실행하려면 Roboflow Inference.

4. 를 예약합니다 Roboflow Cloud에서 배치 작업 코딩 없이 대량의 데이터를 자동으로 처리합니다.

자체 하드웨어에서 Workflow를 실행하면 이미지와 비디오 파일(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 Compute Engine 및 Azure Virtual Machines

• Raspberry Pi

Roboflow Enterprise 고객은 Basler 카메라에서의 추론 실행과 같은 추가 비디오 스트림 옵션에 액세스할 수 있습니다. 제공 사항에 대해 자세히 알아보려면, Roboflow 영업팀에 문의하세요.

Workflow 배포

Workflow를 배포하려면 Workflows 편집기 왼쪽 상단의 "Deploy" 버튼을 클릭하세요. 모든 배포 옵션은 이 페이지에 문서화되어 있습니다.

Workflows 편집기의 코드 스니펫은 귀하의 Workflows URL과 API 키로 미리 채워집니다.

Workflows의 사용 한도에 대해 자세히 알아보려면 Roboflow 요금제 페이지.

이미지 처리

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

먼저 Roboflow Inference SDK를 설치하세요:

pip install inference-sdk inference-cli 

로컬에서 실행하는 경우, 다음 지침을 따르세요 공식 Docker 설치 지침 머신에 Docker를 설치하고 Inference 서버를 시작하려면:

inference server start

그런 다음 새 Python 파일을 만들고 다음 코드를 추가하세요:

from inference_sdk import InferenceHTTPClient

client = InferenceHTTPClient(
    api_url="https://detect.roboflow.com",  # 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 귀하의 Roboflow API 키로 교체하세요. 다음을 교체하세요 workspace-name 이제 GPU TRT 컨테이너가 Docker에서 실행 중입니다. 다른 Ubuntu 터미널을 열어 Docker 컨테이너로 추론 데이터를 보낼 준비를 합니다. 다음을 사용하세요: workflow-id 을(를) 귀하의 Roboflow 워크스페이스 이름과 Workflow ID로 교체하세요.

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

로컬 실행은 CPU 및 NVIDIA CUDA GPU 장치에서 작동합니다. 최상의 성능을 위해 NVIDIA Jetson과 같은 GPU 지원 장치나 NVIDIA GPU가 있는 클라우드 서버에 배포하세요.

비디오 스트림 처리 (RTSP, 웹캠)

비디오 스트림의 프레임에서 Workflow를 배포할 수 있습니다. 이는 웹캠이나 RTSP 스트림일 수 있습니다. 비디오 파일에서도 Workflow를 실행할 수 있습니다.

먼저 Inference를 설치하세요:

pip install inference  # GPU 머신의 경우 inference-gpu

Inference 설치에는 몇 분 정도 걸릴 수 있습니다.

그런 다음 새 Python 파일을 만들고 다음 코드를 추가하세요:

# InferencePipeline 객체를 가져옵니다
from inference import InferencePipeline

def my_sink(result, video_frame):
    print(result) # 각 프레임의 예측으로 무언가를 수행합니다
    

# 파이프라인 객체 초기화
pipeline = InferencePipeline.init_with_workflow(
    api_key="API_KEY",
    workspace_name="workspace-name",
    workflow_id="workflow-id",
    video_reference=0, # 비디오 경로, RTSP 스트림, 장치 ID(int, 내장 웹캠은 보통 0), 또는 RTSP 스트림 URL
    on_prediction=my_sink
)
pipeline.start() # 파이프라인 시작
pipeline.join() # 파이프라인 스레드 완료를 대기

위에서, API_KEY 를 귀하의 Roboflow API 키로 교체하세요. 다음을 교체하세요 workspace-name 이제 GPU TRT 컨테이너가 Docker에서 실행 중입니다. 다른 Ubuntu 터미널을 열어 Docker 컨테이너로 추론 데이터를 보낼 준비를 합니다. 다음을 사용하세요: workflow-id 을(를) 귀하의 Roboflow 워크스페이스 이름과 Workflow ID로 교체하세요.

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

위 코드를 실행하면 Workflow가 비디오 또는 비디오 스트림에서 실행됩니다.

데이터 배치 처리

Roboflow Batch Processing 서비스를 사용하면 이미지 및 비디오 파일 디렉토리와 같은 전체 데이터 배치를 효율적으로 처리할 수 있습니다. 이 완전 관리형 솔루션은 코딩이나 로컬 계산이 필요 없습니다. 데이터를 선택하고 Workflow를 선택하면 Roboflow가 나머지를 처리합니다.

Batch Processing은 UI, CLI 및 REST API 상호작용을 모두 지원합니다. 아래에는 CLI 명령을 제시합니다. 다음에서 모든 옵션.

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 다음 명령으로 표시할 수 있습니다:

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

작업이 완료되면 결과를 내보내세요:

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