YAML은 사람이 읽을 수 있는 데이터 직렬화 언어로, 구성 파일과 데이터가 저장되거나 전송되는 애플리케이션에 자주 사용됩니다. 단순성과 가독성을 위해 설계된 YAML은 모델, 학습 프로세스 및 배포 파이프라인과 관련된 복잡한 구성을 관리하기 위해 인공지능(AI) 및 머신 러닝(ML) 에서 특히 유용합니다. 간단한 구문 덕분에 AI/ML 워크플로우를 더 쉽게 이해하고 유지 관리하며 재현할 수 있습니다.
YAML의 주요 기능
YAML은 사람의 가독성을 우선시합니다. 그 구조는 다음과 유사하게 들여쓰기에 크게 의존하여 계층 구조를 나타냅니다. Python과 유사한 들여쓰기를 사용하여 XML이나 JSON과 같은 형식에 비해 깔끔한 파일을 생성합니다. 주요 특징은 다음과 같습니다:
- 사람이 읽기 쉬운 구문: 대괄호나 태그를 최소한으로 사용하여 파일을 쉽게 읽고 편집할 수 있습니다.
- 들여쓰기를 통한 구조: 탭이 아닌 공백을 사용하여 중첩된 구조를 정의하여 명확성을 높입니다.
- 데이터 구조 지원: 스칼라(문자열, 숫자, 부울), 목록(시퀀스), 사전(매핑/키-값 쌍)과 같은 일반적인 데이터 유형을 기본적으로 지원합니다.
- 댓글: 를 사용하여 댓글을 추가할 수 있습니다.
# 기호를 사용하여 파일 내 문서를 표시합니다. - 다용도성: 다양한 구성 요구에 적합한 복잡한 데이터 구조를 표현할 수 있습니다.
공식 YAML 사양에서 구조에 대해 자세히 알아볼 수 있습니다.
AI 및 ML 애플리케이션에서의 YAML
YAML 파일은 프로젝트 라이프사이클의 다양한 측면을 정의하고 관리하는 데 널리 사용되며, 구성과 코드를 분리하여 일관성과 협업을 촉진하는 등 AI 및 ML 환경에서 널리 사용되고 있습니다. 주요 적용 분야는 다음과 같습니다:
- 모델 구성: 레이어, ReLU 또는 SiLU와 같은 활성화 함수, 연결 등 신경망(NN)의 아키텍처를 정의합니다. 다음과 같은 프레임워크 PyTorch 및 TensorFlow 와 같은 프레임워크는 모델 구성에 YAML을 사용하는 경우가 많습니다. 예를 들어 Ultralytics YOLO 모델과 같은 YOLOv8 및 YOLO11와 같은 모델은 YAML 파일을 사용하여 백본 및 탐지 헤드를 포함한 모델 구조를 지정합니다.
- 데이터 세트 정의: 학습 데이터, 유효성 검사 데이터, 클래스 이름 및 기타 데이터 세트별 매개변수에 대한 경로를 지정합니다. 이는 COCO 또는 VOC와 같은 데이터 세트를 사용하는 개체 감지와 같은 작업에 일반적으로 사용됩니다. Ultralytics 데이터 세트 정의에 YAML 파일을 광범위하게 사용합니다.
- 교육 파이프라인 구성: 하이퍼파라미터 및 설정 지정 모델 트레이닝 프로세스. 여기에는 다음과 같은 매개 변수가 포함됩니다. 배치 크기, 학습률의 수 epochs, 최적화 알고리즘 (예 Adam), 그리고 데이터 증강 전략. 예시: YAML 파일은 다음을 지정할 수 있습니다.
epochs: 100, batch_size: 16, learning_rate: 0.001를 클릭하고 무작위 뒤집기나 회전과 같은 증강 기술을 나열할 수 있습니다. 이를 통해 연구자와 엔지니어는 훈련 실험을 쉽게 추적하고 수정할 수 있습니다. - MLOps 파이프라인: 머신 러닝 운영(MLOps) 플랫폼에서 워크플로우 정의. Kubeflow 파이프라인 및 MLflow 프로젝트와 같은 도구는 데이터 전처리부터 모델 배포 및 모니터링에 이르는 ML 파이프라인의 단계 순서를 설명하기 위해 YAML을 사용합니다.
- 배포 구성: 리소스 요구 사항과 같은 모델 배포를 위한 설정을 지정합니다(예 CPU/GPU 할당), 스케일링 매개변수 및 환경 변수 등의 설정을 지정하며, 종종 Docker와 같은 컨테이너화 기술과 함께 사용됩니다. 예시: 예: Kubernetes 클러스터에 대한 배포 YAML은 엔드포인트를 제공하는 모델의 복제본 수, 메모리 제한 및 사용할 Docker 이미지를 정의할 수 있습니다. 관련 설정은 Ultralytics Docker 빠른 시작을 참조하세요.
YAML과 다른 형식 비교
YAML은 다른 데이터 직렬화 형식과 비슷한 용도로 사용되지만, 뚜렷한 특징이 있습니다:
- YAML과 JSON(JavaScript 객체 표기법) 비교: 둘 다 사람이 읽을 수 있고 유사한 데이터 구조를 지원합니다. JSON은 문자열 주위에 따옴표를 사용하고 중괄호를 사용해야 하는 등 더 엄격합니다.
{} 및 괄호 []. YAML은 들여쓰기와 최소한의 구문을 사용하기 때문에 복잡한 구성에 더 가독성이 높은 것으로 간주되는 경우가 많습니다. 그러나 JSON은 웹 API에 더 널리 사용됩니다. 자세한 내용은 다음에서 확인할 수 있습니다. JSON.org. - YAML과 XML(확장 가능한 마크업 언어) 비교: XML은 마크업 언어입니다. W3C 태그(
<tag>...</tag>)를 사용하여 요소를 정의합니다. YAML 및 JSON보다 더 장황합니다. 문서 구조화 및 유효성 검사에는 강력하지만(예를 들어 데이터 어노테이션), 일반적으로 가독성이 가장 중요한 구성 파일에는 YAML의 깔끔한 스타일에 비해 XML이 덜 선호됩니다.
사람의 가독성에 중점을 둔 YAML은 AI/ML 프로젝트의 구성 파일에 탁월한 선택이며, 특히 ML 라이프사이클을 간소화하는 Ultralytics HUB와 같은 플랫폼 내에서 관리를 간소화하고 협업을 개선합니다.
KO
EN
ZH
JA
RU
DE
FR
ES
PT
IT
AR
TR
VI
