public-models

퍼블릭으로 배포할 딥러닝 모델과 Jetson 전용 TensorRT 엔진을 정리하는 저장소입니다. 실제 대용량 바이너리는 GitHub Release 자산으로 올리고, 이 저장소에는 구조/메타데이터/스크립트를 남깁니다.

버전 태그 & 릴리즈 정책

• 저장소 버전은 SemVer(v0.0.1, v0.0.2 …)로 관리합니다. 한 태그에는 여러 모델/엔진 자산이 포함될 수 있으므로 릴리즈 본문에 포함된 모델과 입력 크기를 명시합니다.
• 같은 모델의 새 엔진을 배포해야 하면 버전을 증가시키고(예: v0.0.1 → v0.0.2) 새 릴리즈에 해당 자산을 추가합니다.

릴리즈 자산 네이밍 가이드

GitHub Release 에서는 폴더 구조를 표현할 수 없으므로 파일 이름 안에 핵심 정보를 포함해야 합니다.

<model>[-variant]-<target>-<input>-<extra>.<ext>

• model[-variant]: 예) yolov8n, yolov8s-seg.
• target: base (프레임워크 체크포인트) 또는 jetson-orin_nano8g, jetson-xavier, …
• input: 256sq, 640x640, 512x320 처럼 입력 크기.
• extra: 필요 시 TensorRT/DeepStream/정밀도(fp16, int8) 등 추가 특성을 하이픈으로 연결.
• 확장자는 실제 포맷 (.pt, .onnx, .engine…).

예시: YOLOv8n

• PyTorch 체크포인트 (입력 256):
  yolov8n-base-256sq.pt
• Jetson Orin Nano 8GB 용 TensorRT 엔진 (FP16, 입력 256):
  yolov8n-jetson-orin_nano8g-256sq-trt_fp16.engine

각 파일에 대한 상세 설명과 체크섬은 metadata/<model>/ 폴더에 README/문서로 남깁니다.

배포 절차

1. 변경사항 커밋
   • 폴더 구조, README, 스크립트 등을 수정한 뒤 git status로 확인하고 커밋합니다.
2. 버전 태그 작성
   • 예) git tag v0.0.1
   • 필요 시 git push origin v0.0.1으로 원격에 푸시합니다.
3. GitHub Release 생성
   • 방금 만든 태그를 선택해 릴리즈를 만들고, 포함된 모델/엔진 목록·대상 기기·입력 크기를 본문에 기록합니다.
4. 대용량 자산 업로드
   • 네이밍 규칙을 따른 파일(예: yolov8n-jetson-orin_nano8g-256sq-trt_fp16.engine)을 Release Assets에 추가합니다.
5. 체크섬 계산 및 기록
   • 로컬에서 shasum -a 256 <file> 또는 sha256sum <file>을 실행해 해시를 구합니다.
   • 결과를 metadata/<model>/README.md 또는 checksums.txt에 넣고 커밋/푸시합니다.

이 과정을 모델별로 반복하면서 릴리즈 이력을 metadata/ 폴더에서 관리합니다.