빠른 시작 가이드¶

30분 안에 CVLab-Kit로 첫 번째 실험을 실행하고 결과를 확인해보세요.

키워드: 설치, 시작하기, 튜토리얼, CIFAR-10, Web UI, 첫 실험, 빠른 시작

사전 준비¶

Python 3.8 이상
CUDA 지원 GPU (선택사항)
10GB 이상의 디스크 공간

1단계: 설치 (5분)¶

저장소 클론¶

git clone https://github.com/deveronica/cvlab-kit.git
cd cvlab-kit

의존성 설치¶

uv 사용 (권장):

uv sync

pip 사용:

pip install -e .

검증: 설치가 완료되면 다음 명령어가 정상 작동해야 합니다.

uv run python -c "import cvlabkit; print('설치 완료!')"

2단계: 첫 실험 실행 (10분)¶

프로젝트에 제공된 예제 설정 파일을 사용합니다.

설정 파일 확인:

cat config/cifar10_baseline.yaml

실험 실행:

uv run main.py --config config/cifar10_baseline.yaml

진행 상황 확인: - 터미널에 학습 진행률이 표시됩니다 - logs/cifar10/ 디렉토리에 결과가 저장됩니다

예상 출력¶

Epoch [1/10] ━━━━━━━━━━━━━━━━━━━━ 100%
  train_loss: 1.234
  train_acc: 0.567
  val_loss: 1.123
  val_acc: 0.612

3단계: Web UI로 결과 확인 (5분)¶

Web Helper 시작¶

백엔드 + 프론트엔드 개발 서버 시작:

uv run app.py --dev

접속: 브라우저에서 http://localhost:5173 열기

실험 결과 탐색¶

Projects 탭: 모든 프로젝트와 실험 목록
실험 선택: cifar10 프로젝트에서 방금 실행한 실험 클릭
메트릭 확인: - 학습 곡선 그래프 - 최종 정확도 - 하이퍼파라미터 설정

4단계: 설정 커스터마이즈 (10분)¶

YAML 설정 수정¶

config/my_first_experiment.yaml 파일 생성:

project: my_experiments

# 데이터셋
dataset:
  train: cifar10(split=train, download=true)
  val: cifar10(split=test, download=true)

# 모델
model: resnet18(num_classes=10)

# 학습 설정
optimizer: adam(lr=0.001)
loss: cross_entropy
epochs: 5
batch_size: 128

# 디바이스
device: cuda  # 또는 cpu

수정된 설정으로 실험 실행¶

uv run main.py --config config/my_first_experiment.yaml

다음 단계¶

축하합니다! 첫 실험을 성공적으로 완료했습니다. 이제 다음을 탐색해보세요:

실험자라면¶

실험자 가이드 - Web UI 활용법
설정 예제 - 다양한 실험 설정
분산 실행 빠른 시작 - 다중 GPU 활용

개발자라면¶

개발자 가이드 - 컴포넌트 개발
아키텍처 - 시스템 구조 이해
컴포넌트 확장 - 커스텀 컴포넌트 작성

문제가 발생했나요?¶

주요 개념 한눈에 보기¶

개념	설명	예시
Agent	실험 오케스트레이션	`classification`, `fixmatch`
Component	재사용 가능한 ML 빌딩 블록	`model`, `loss`, `optimizer`
Creator	동적 컴포넌트 생성 팩토리	`self.create.model()`
Config	YAML 기반 실험 설정	`config/*.yaml`

더 자세한 내용은 핵심 개념을 참고하세요.