17분
MLflow로 모델 버전 관리
Day 5: 불량 판별 검사 시스템
MLflow로 모델 버전 관리
비전 AI 외관검사 > Day 5: 불량 판별 검사 시스템
학습 목표
- MLflow 로 비전 AI 실험을 추적할 수 있다
- 앞 과제에서 실제로 나온 지표와 산출물을 기록해 실험을 견줄 수 있다
- 재현에 필요한 정보(파라미터·아티팩트·출처 과제)를 함께 남길 수 있다
MLflow: 모델 실험 관리
여러 모델(ResNet, YOLO, EfficientNet)과 하이퍼파라미터를 실험하면 어떤 조합이 최적인지 추적이 어려워진다. MLflow 가 이 문제를 해결한다.
이 과제는 Day 2 와 Day 3 이 실제로 낸 지표를 읽어 기록한다.
- Day 2
outputs/d2_metrics.json— 전이학습 검증 정확도와 손실 - Day 3
runs/detect/defect_detection/results.csv— Ultralytics 가 남긴 mAP·Precision·Recall
두 파일이 모두 없으면 이 과제는 실행되지 않는다. 그게 맞다. 기록할 실험이 없는데 지표를 지어 넣으면, 나중에 무엇과 무엇을 견줬는지 아무도 알 수 없다.
[MLflow 핵심 기능]
1. Experiment Tracking: 실험 기록
→ 파라미터, 메트릭, 아티팩트 자동 저장
2. Model Registry: 모델 저장소
→ 모델 버전 관리 (v1, v2, ...)
3. Model Serving: 모델 배포
→ REST API로 모델 서빙에디터 로딩 중...
핵심 포인트
- • 추적할 실험이 먼저 있어야 한다. 손으로 적은 지표를 기록하면 도구 사용법만 흉내내고 비교할 것은 남지 않는다
- • mlflow ui로 웹 대시보드에서 실험 결과 비교 가능
- • 모델 레지스트리로 프로덕션 배포 버전 관리
- • MLflow 없이도 JSON 로컬 저장으로 실험 추적 가능
AI로 학습하기 — 꿀팁
MLflow 실험 추적 누락 점검AI 학습 팁
AI에게 비전 AI 모델 MLflow 추적 코드를 리뷰받아 하이퍼파라미터·아티팩트·모델 서명 등록 누락을 점검하세요.
이 제조 비전 AI 모델 MLflow 실험 추적 코드를 리뷰해줘. 하이퍼파라미터(lr·batch_size·augmentation 설정) 로깅 누락, 모델 아티팩트(best.pt·confusion_matrix.png) 저장 미등록, MLflow Model Registry에 모델 서명(입력 이미지 shape·출력 클래스 레이블) 미설정, run_id 기반 재현 불가능한 실험 관리 문제를 찾아줘.
이 팁이 도움이 됐나요?