Platform 프로젝트 계획 및 예산 책정

루프를 연결하는 Platform#

모든 프로덕션 컴퓨터 비전 시스템은 동일한 루프를 따르며, 비용이 많이 드는 부분은 각 상자가 아니라 상자 사이를 잇는 화살표입니다.

Platform의 가치는 각 단계가 다음 단계에 필요한 정보를 기록한다는 점입니다. 이 표를 안내도로 활용하세요. 마지막 열에는 각 단계를 다루는 강의가 나와 있습니다.

두 가지 도구로 전체 워크플로를 처리합니다. Agents는 불확실한 탐지 결과를 검토용 데이터셋에 모으는 것과 같은 시각적 워크플로를 구축하고, Ask AI는 직접 실행할 수 있는 동일한 ul cloud 명령을 사용해 대화에서 학습, 비교, 주석 달기, 내보내기, 배포를 수행할 수 있습니다.

직접 관리할 항목 결정하기#

플랫폼이 의도적으로 담당하지 않는 몇 가지 경계가 있습니다. 계획에서 각 항목의 담당자를 지정하세요:

• 독점 시스템에서 프레임 가져오기(DICOM 아카이브, OEM 카메라, 공정 이력 시스템): 자체 코드로 프레임을 버킷이나 업로드 위치에 저장합니다.
• 호출 알림. 플랫폼은 엔드포인트 지표를 표시하고 작업 이벤트를 Slack에 게시하지만, 지연 시간이나 오류 임계값에 대한 알림은 보내지 않습니다. 8강에서 직접 확인 기능을 구축합니다.
• 시간 경과에 따른 정확도. 레이블이 지정된 홀드아웃 데이터와 그 이력은 직접 관리합니다(8강).
• 애플리케이션 로직. 카운팅, 추적, 구역 규칙은 자체 서비스에서 처리합니다. Ultralytics Solutions와 프로덕션 환경의 Ultralytics YOLO 과정에서 이러한 내용을 다룹니다.
• 트래픽 라우팅. 엔드포인트는 생성된 URL을 사용하며 사용자 지정 도메인을 지원하지 않으므로, 카나리 배포, 다중 리전 라우팅, 브랜드 호스트 이름에는 자체 게이트웨이가 필요합니다.

플랫폼은 별도의 프레임워크가 아닙니다. 플랫폼 모델은 일반 best.pt 파일로 다운로드되며, YOLO("best.pt")에서 이를 로드하고 검증한 뒤 내보냅니다. 로컬 model.train(..., project="username/my-project")는 API 키를 설정한 상태로 플랫폼에 스트리밍됩니다. 두 환경 사이를 이동할 때 변환할 필요가 없습니다.

실습 예제: 시작 전에 프로젝트 예산 책정하기#

세 가지 항목에 크레딧이 사용됩니다. 클라우드 학습(GPU 요금 × 사용 시간), 일괄 주석 및 전체 데이터셋 얼굴 흐리게 처리(이미지 1,000장당 $1.00), 사용자 지정 크기 엔드포인트(가동 시간 기준 시간당 과금)입니다. 이 과정의 나머지 모든 기능은 무료입니다. 이 계산기는 소규모 탐지 프로젝트에 대한 플랫폼의 실제 요금을 사용합니다:

# Monthly Platform budget for a small detection project (rates from the billing and deployment docs)
TRAIN_RUNS = 8  # experiments per month
COST_PER_RUN = 0.23  # dialog estimate: ~1,000 images, YOLO26n, 100 epochs, RTX PRO 6000 ($2.09/h)
BATCH_ANNOTATION_IMAGES = 3_000  # $1.00 per 1,000 images
HOURS_PER_MONTH = 730

# Custom endpoint sizes keep one warm instance; us-central1 rates are $0.000024/vCPU-s and $0.0000025/GiB-s
warm_endpoint_hourly = (2 * 0.000024 + 4 * 0.0000025) * 3600  # 2 vCPU, 4 GiB

lines = {
    "cloud training": TRAIN_RUNS * COST_PER_RUN,
    "batch annotation": BATCH_ANNOTATION_IMAGES / 1000 * 1.00,
    "default endpoint (1 vCPU, 2 GiB, scales to zero)": 0.0,
    "warm endpoint (2 vCPU, 4 GiB, always on)": warm_endpoint_hourly * HOURS_PER_MONTH,
}
for item, usd in lines.items():
    print(f"{item:<50} ${usd:>7.2f}")
print(f"{'total with a warm endpoint':<50} ${sum(lines.values()):>7.2f}")

cloud training                                     $   1.84
batch annotation                                   $   3.00
default endpoint (1 vCPU, 2 GiB, scales to zero)   $   0.00
warm endpoint (2 vCPU, 4 GiB, always on)           $ 152.42
total with a warm endpoint                         $ 157.26

결과 읽는 방법:

• COST_PER_RUN 값은 학습 대화상자의 예상치이며, 데이터셋 크기, 모델, 에포크 수, 이미지 크기, GPU를 반영합니다. 자체 데이터셋에 대한 예상치로 바꾸세요(5강). H100 SXM에서 이미지 5,000장, YOLO26s, 100에포크를 사용하면 약 $1.56입니다.
• 엔드포인트 비용이 대부분을 차지합니다. 소규모 프로젝트의 학습과 레이블링에는 몇 달러가 들지만, 인스턴스를 한 달에 730시간 동안 가동 상태로 유지하면 아이오와에서 약 $150가 듭니다(리전별 요금은 다르며, 배포 대화상자에서 정확한 시간당 가격을 확인할 수 있습니다).
• 결정 원칙: 모든 엔드포인트를 무료 기본 크기로 시작하세요. 사용자가 최대 1분의 콜드 스타트를 허용할 수 없고 트래픽이 안정적이어서 가동 시간 비용을 정당화할 수 있을 때만 사용자 지정 크기로 변경하세요.

요금제#

결정 원칙: 학습하는 동안에는 무료 요금제를 사용하고, 연결된 클라우드 스토리지, 팀, 엔드포인트 3개 초과 또는 동시 학습 3개 초과가 필요할 때 Pro로 전환하세요. Pro의 월간 크레딧 $30은 위 예산의 학습 및 레이블링 비용을 충당합니다. 결제 문서에서 모든 요금을 확인할 수 있습니다.

주의할 점#