3. 새 학습 (11단계 마법사)

새 학습은 왼쪽 단계 목록을 따라 11단계로 설정을 모은 뒤 마지막에 한 번 제출합니다. 앞 단계를 고르지 않으면 다음 버튼이 켜지지 않고, 지나온 단계는 왼쪽 목록을 눌러 언제든 되돌아가 고칠 수 있습니다.

#	단계	고르는 것
1	태스크	Object Detection, Instance Segmentation, Classification 등
2	프레임워크	태스크를 지원하는 프레임워크 (예: YOLO, RF-DETR)
3	모델	모델 변형과 시작 가중치
4	데이터셋	학습에 쓸 수 있는 파일이 있는 데이터셋
5	클래스	학습에 넣을 클래스
6	Train/Val 분할	분할 방식·학습 비율·seed
7	하이퍼파라미터	프레임워크 기본값 YAML 편집
8	평가	학습 후 검증 세트 평가
9	Export	ONNX·TensorRT 추가 변환
10	실행 환경	학습 런타임 변형, GPU 슬롯 수
11	검토·시작	실험 이름, 모델 레지스트리 등록, 제출

사이드바 학습에서 새 학습①을 누릅니다. (데이터셋 상세의 이 데이터셋으로 학습으로 들어와도 됩니다.)
학습 목록: ① 새 학습
1. 태스크: 안전모를 상자로 찾을 것이므로 Object Detection①을 고르고 다음. 흐리게 보이는 태스크는 아직 실행할 수 있는 프레임워크가 없는 것입니다.
1단계 태스크: ① Object Detection
2. 프레임워크에서 YOLO 를 고르고, 3. 모델에서 모델 변형①을 고릅니다. 표의 Params(M)·mAP 는 공개 벤치마크 값이라 크기와 성능을 가늠하는 데 씁니다. 시작 가중치②는 기본이 카탈로그 사전학습 가중치이고, 직접 올린 체크포인트가 있으면 여기서 고를 수 있습니다.
3단계 모델: ① 모델 변형 ② 시작 가중치
4. 데이터셋에서 앞 장에서 만든 안전모 현장 사진①을 고릅니다. 학습에 쓸 파일이 없는 데이터셋은 목록에 나오지 않습니다. 데이터셋 캐시 사용②을 켜 두면 같은 데이터셋으로 다시 학습할 때 내려받기를 건너뜁니다.
4단계 데이터셋: ① 학습에 쓸 데이터셋 ② 데이터셋 캐시
5. 클래스: 어노테이션에서 읽어 온 클래스와 객체 수가 나옵니다. 호환 클래스 전체 선택①으로 head·helmet 을 모두 넣습니다. 모델 변형에 따라 클래스가 필수·선택·해당 없음으로 갈립니다.
5단계 클래스: 데이터셋 어노테이션에서 읽은 클래스와 객체 수, ① 호환 클래스 전체 선택
6. Train/Val 분할: 기본은 Random(비율 기반 무작위) 80% 입니다. Stratified 는 검증 세트의 라벨 비율을 학습 세트와 맞춥니다. 같은 seed 는 같은 분할을 재현합니다.
6단계 Train/Val 분할: 방식·학습 비율·seed
7. 하이퍼파라미터: 프레임워크 기본값이 YAML①로 채워져 있습니다. epochs·batch·imgsz 처럼 필요한 값만 고치세요. 쓸 수 있는 키와 범위는 제출할 때 서버가 검사하고, 틀리면 이 단계로 돌아와 오류를 보여 줍니다. 기본값으로 재설정②으로 되돌릴 수 있습니다.
7단계 하이퍼파라미터: ① YAML 로 편집 ② 기본값으로 재설정
8. 평가의 모델 평가 실행은 학습이 끝난 뒤 검증 세트로 mAP 등을 계산해 MLflow 에 남깁니다. 9. Export 에서 PyTorch 가중치는 항상 저장되고, ONNX 변환·TensorRT 변환은 필요할 때 켭니다(변환 결과도 MLflow Run 아티팩트로 올라갑니다).
10. 실행 환경: 학습은 테넌트 네임스페이스의 Kubernetes Job 으로 돕니다. 학습 런타임 변형①은 비워 두면(자동 (기본)) 테넌트 기본 이미지를 씁니다. GPU 자원②에서 GPU 슬롯 수를 고르고, 0 이면 CPU 로 돕니다.
10단계 실행 환경: ① 학습 런타임 변형 ② GPU 자원 (이 화면은 런타임 이미지·GPU 가 준비되지 않은 테넌트의 경고를 보여 줍니다)
11. 검토·시작: 실험 이름 (선택)①을 적습니다. 같은 이름으로 제출한 학습은 MLflow 에서 한 실험 아래 Run 으로 묶여 비교하기 쉽습니다(비우면 이름이 자동으로 붙고 실행마다 새 실험이 됩니다). 모델 레지스트리 등록②을 켜고 등록 모델 이름을 적으면 학습이 끝난 뒤 새 버전으로 자동 등록됩니다. 요약을 훑어보고 학습 시작③을 누릅니다.
11단계 검토·시작: ① 실험 이름 ② 모델 레지스트리 등록 ③ 학습 시작

제출하면 "학습 시작됨" 알림과 함께 학습 실행 상세 화면으로 이동하고, 학습은 실행 대기 상태로 줄을 섭니다.

다음: 4. 학습 진행 보기