# Deploy a Workflow

Workflow는 네 가지 방법으로 배포할 수 있습니다:

1. 이미지를 [Roboflow API로](https://inference.roboflow.com/workflows/modes_of_running/#http-api-request) 전송하여 Workflow를 사용해 처리합니다.
2. 다음을 생성합니다: [Roboflow Dedicated Deployment](https://docs.roboflow.com/roboflow/roboflow-ko/deploy/dedicated-deployments) 전용으로 프로비저닝된 인프라에서 사용합니다.
3. 다음을 사용하여 자체 하드웨어에서 Workflow를 실행합니다: [Roboflow Inference](https://inference.roboflow.com/install/).
4. 다음을 사용합니다: [Batch Processing](https://docs.roboflow.com/roboflow/roboflow-ko/deploy/batch-processing) 대량의 데이터를 코딩 비용을 효율적으로 들여 처리합니다.

자체 하드웨어에서 Workflow를 실행하는 경우, 일반적인 **웹캠** 과 전문적인 **CCTV 카메라**).

를 포함한 이미지와 비디오 파일 모두에서 실행할 수 있습니다. 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 이용할 수 있습니다. 제공 사항에 대해 자세히 알아보려면, [Roboflow 세일즈 팀에 문의하세요](https://roboflow.com/sales).
{% endhint %}

### Workflow 배포

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

Workflows 편집기의 코드 스니펫에는 Workflows URL과 API 키가 미리 채워집니다.

{% hint style="info" %}
Workflows 사용 제한에 대해 자세히 알아보려면 [Roboflow 요금 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 안내](https://docs.docker.com/get-docker/) 를 따라 컴퓨터에 Docker를 설치하고 Inference 서버를 시작하세요:

```
inference server start
```

그다음 새 Python 파일을 만들고 다음 코드를 추가하세요:

```python
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 다음을 바꾸세요 `API_KEY` 를 Roboflow API 키로 바꾸세요. 다음도 바꾸세요 `workspace-name` 와 `workflow-id` 를 Roboflow 워크스페이스 이름과 Workflow ID로 바꾸세요.

이 값들을 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 위해서는 NVIDIA Jetson 또는 NVIDIA GPU가 탑재된 클라우드 서버와 같은 GPU 지원 장치에 배포하세요.

#### 비디오 스트림 처리 (RTSP, Webcam)

비디오 스트림의 프레임에서 Workflow를 배포할 수 있습니다. 이는 webcam 또는 RTSP 스트림일 수 있습니다. 비디오 파일에서 Workflow를 실행할 수도 있습니다.

먼저, Inference를 설치하세요:

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

Inference 설치에는 몇 분이 걸릴 수 있습니다.

그다음 새 Python 파일을 만들고 다음 코드를 추가하세요:

```python
# InferencePipeline 객체를 가져옵니다
from inference import InferencePipeline

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

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

```

위에서 다음을 바꾸세요 `API_KEY` 를 Roboflow API 키로 바꾸세요. 다음도 바꾸세요 `workspace-name` 와 `workflow-id` 를 Roboflow 워크스페이스 이름과 Workflow ID로 바꾸세요.

이 값들을 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 디렉터리와 비디오 파일 같은 전체 데이터 배치를 효율적으로 처리할 수 있습니다. 이 완전 관리형 솔루션은 코딩이나 로컬 계산이 필요하지 않습니다. 데이터를 선택하고 Workflow를 지정하기만 하면 나머지는 Roboflow가 처리합니다.

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

처리를 실행하려면 Inference CLI를 설치하세요:

```
pip install inference-cli
```

그런 다음 데이터를 입력할 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 만들 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>
```