용어집

PyTorch

Ultralytics YOLO 과 같은 AI 혁신을 지원하는 유연한 Python 최초의 머신 러닝 프레임워크인 PyTorch 을 살펴보세요. 지금 바로 더 스마트하고 빠르게 구축하세요!

YOLO 모델을 Ultralytics HUB로 간단히
훈련

자세히 알아보기

PyTorch 주로 Meta AI에서 개발한 저명한 오픈 소스 머신 러닝 프레임워크입니다. 유연성과 Python 접근 방식으로 잘 알려진 이 프레임워크는 연구자와 개발자가 딥 러닝(DL) 모델을 구축, 훈련, 배포할 수 있는 직관적인 플랫폼을 제공합니다. NumPy와 같은 라이브러리를 포함한 광범위한 Python 데이터 과학 생태계와 원활하게 통합되어 진입 장벽을 낮춰줍니다. PyTorch 널리 사용되는 다음과 같은 많은 고급 모델의 기본 프레임워크 역할을 합니다. Ultralytics YOLO 시리즈를 비롯한 많은 고급 모델의 기본 프레임워크 역할을 합니다.

주요 기능 PyTorch

PyTorch AI 커뮤니티의 많은 사람들이 선호하는 몇 가지 핵심 기능으로 인해 눈에 띕니다:

  • 동적 계산 그래프: 실행 전에 전체 계산 그래프를 정적으로 정의하는 프레임워크와 달리 PyTorch 동적 계산 그래프(Define-by-Run)를 사용합니다. 이를 통해 개발 및 디버깅 중에 특히 순환 신경망(RNN)과 같은 가변 구조를 가진 모델에서 더 많은 유연성을 확보할 수 있습니다.
  • 파이썬 인터페이스: Python 개발자에게 자연스럽게 느껴지는 API로, 쉽게 배우고 기존 Python 프로젝트 및 워크플로에 통합할 수 있습니다.
  • GPU 가속: PyTorch CUDA 사용한 GPU 가속을 강력하게 지원하여 계산 집약적인 딥 뉴럴 네트워크 훈련 프로세스의 속도를 크게 높입니다.
  • 풍부한 에코시스템: 컴퓨터 비전(CV) 작업을 위한 토치비전, 자연어 처리(NLP)를 위한 토치텍스트, 오디오 처리를 위한 토치오디오와 같은 라이브러리가 포함된 포괄적인 에코시스템을 자랑합니다.
  • 프로덕션 배포: 다음과 같은 도구 TorchScript 와 같은 도구를 사용하면 PyTorch 개발된 모델을 Python 적합하지 않을 수 있는 환경에서도 최적화하여 배포할 수 있으므로 연구 유연성과 프로덕션 성능 사이의 간극을 좁힐 수 있습니다. 다양한 형식을 사용하여 모델을 내보내는 방법은 Ultralytics 설명서에서 확인할 수 있습니다.

애플리케이션 PyTorch

PyTorch 다재다능한 기능 덕분에 다양한 머신 러닝(ML) 애플리케이션에서 사용할 수 있습니다:

  • 컴퓨터 비전: 이미지 분류, 물체 감지, 이미지 분할, 포즈 추정과 같은 작업에 널리 사용됩니다. 다음과 같은 다양한 최신 비전 모델을 지원합니다. Ultralytics YOLOv8YOLO11를 비롯한 많은 최신 비전 모델이 PyTorch 사용하여 구축되었습니다.
  • 자연어 처리: 기계 번역, 감정 분석, 질문 답변, Transformer와 같은 아키텍처를 기반으로 한 대규모 언어 모델(LLM) 구축과 같은 애플리케이션을 지원합니다.
  • 강화 학습: 환경과의 상호작용을 통해 학습하는 에이전트를 개발하는 데 사용되며, 로봇 공학 및 게임 플레이와 같은 분야에 적용됩니다.
  • 과학 컴퓨팅: tensor 연산 기능으로 ML뿐 아니라 다양한 과학 연구 애플리케이션에 적합합니다.

실제 사례

  1. 자율 주행: PyTorch 자율 주행 차량의 인식 시스템을 개발하는 데 사용됩니다. PyTorch 훈련된 모델은 내비게이션과 안전에 필수적인 실시간 물체 감지(보행자, 차량, 교통 표지판 식별)와 시맨틱 분할(도로 차선, 보도 이해)을 수행할 수 있습니다. PyTorch 기반으로 구축된 Ultralytics YOLO 모델은 자동차 솔루션에 자주 사용됩니다.
  2. 의료 이미지 분석: 의료 분야에서 PyTorch 의료 스캔(X-레이, CT, MRI)을 분석하기 위한 모델을 구축하는 데 도움을 줍니다. 예를 들어, 종양을 감지하거나 장기를 분할하는 모델을 훈련하여 방사선 전문의의 진단 및 치료 계획을 지원하는 데 사용할 수 있습니다. NIH의 Bridge2AI 프로그램과 같은 이니셔티브에서 이러한 프레임워크를 활용하는 경우가 많습니다.

AI 생태계에서의 PyTorch

PyTorch 다음과 같은 다른 프레임워크와 함께 핵심적인 역할을 합니다. TensorFlow. 둘 다 딥 러닝을 위한 강력한 도구를 제공하지만, API 설계와 계산 그래프에 대한 과거 접근 방식이 다릅니다PyTorch 동적 방식인 반면, TensorFlow 초기 정적 방식이었지만 현재는 동적 실행을 지원합니다). 선택은 프로젝트의 요구와 팀의 친숙도에 따라 달라집니다. 자세한 비교는 블로그 게시물 비전 AI 프레임워크 살펴보기에서 확인할 수 있습니다. 또한 신경망 구축 및 훈련을 위한 엔드투엔드 프레임워크를 제공하기보다는 이미지 처리 및 기존 CV 알고리즘에 중점을 두는 OpenCV와 같은 라이브러리와 PyTorch 구별하는 것도 중요합니다(OpenCV 홈페이지).

PyTorch 공식 PyTorch 웹사이트, 광범위한 문서, 튜토리얼, 활발한 개발자 커뮤니티를 통한 강력한 지원의 혜택을 누릴 수 있습니다. Ultralytics HUB와 같은 플랫폼은 PyTorch 구축된 사용자 정의 모델을 훈련하고, 데이터 세트를 관리하고, 효율적으로 배포하는 프로세스를 간소화합니다. Ultralytics 빠른 시작 가이드를 사용하여 빠르게 시작할 수 있습니다.

모두 보기