# 모델 배포

> ONNX 모델을 업로드하고, 입력 데이터소스와 페어링한 다음, Xisom 런타임에서 활성화하세요.

모델은 **ONNX** 형식으로 Xisom 런타임에서 실행됩니다. 모델을 업로드하고,
입력 데이터소스와 페어링한 다음, 활성화하여 추론을 시작합니다.

<AppFrame name="ModelManager" alt="페어링된 데이터소스와 상태와 함께 배포된 ONNX 모델 목록을 보여주는 모델 관리자 화면" caption="모델 관리자 — ONNX 번들 업로드, 데이터소스 페어링, 활성화." />

**먼저 ONNX를 준비하세요**

PyTorch 또는 TensorFlow 모델에서 시작하거나, 더 빠른 엣지 추론을 위해 양자화하려면
워크스테이션에서 [modelctl](/ko/configure/prepare-models/)로 준비한 다음, 생성된
번들을 여기에 배포하세요.

## 지원 형식

- **ONNX** — 런타임은 ONNX 모델을 받아 하드웨어에 맞는 실행 공급자(TensorRT, CUDA,
  또는 CPU)로 실행합니다. 모드는
  [하드웨어 설정](/ko/install-deploy/hardware-setup/)을 참조하세요.

**윈도우 크기와 피처는 데이터소스와 일치해야 합니다**

모델은 **윈도우 크기**(예측당 샘플 수)와 **피처 수**(입력 채널)로 정의됩니다.
모델을 데이터소스와 페어링할 때, 플랫폼은 `윈도우 크기 × 피처 수`가 양쪽에서
일치하는지 확인합니다. 따라서 페어링하기 전에 이 값들을 기록해 두세요.

## 업로드, 페어링, 활성화

1. ### 모델 업로드

   **Models**로 이동하여 `.onnx` 파일을 업로드하세요. 플랫폼은 파일이 사용
   가능해지기 전에 파일(확장자, 유형, 스키마)을 검증합니다.

2. ### 데이터소스와 페어링

   입력 데이터소스에서 이 모델을 페어링하세요. 여기서 호환성 검사가 실행됩니다.
   윈도우 크기 또는 피처 수가 일치하지 않으면 페어링이 거부됩니다. 일치하도록
   데이터소스 윈도우 크기를 조정하거나 [모델을 다시 생성](/ko/configure/prepare-models/)하세요.

3. ### 활성화

   데이터소스를 활성화한 다음 **Start**로 스트리밍을 시작하세요. 런타임은 페어링된
   모델을 추론 서비스에 로드하고 예측값 생성을 시작합니다. 전체 루프는
   [첫 추론 실행하기](/ko/install-deploy/first-inference/)를 참조하세요.

## 데모 시드 모델 교체

새로 설치하면 **무작위 가중치를 가진 데모 모델**이 함께 제공됩니다. 이를 교체하기
전까지 예측값은 의미가 없습니다. 위와 같이 학습된 모델을 업로드하거나, model-data
디렉터리에 넣고 추론 서비스를 재시작하세요. 파일 드롭 경로는 오프라인 번들 설치
페이지에서 다룹니다:
[데모 모델 교체](/ko/install-deploy/offline-bundle-install/#설치-런북) (5단계).

## 문제가 발생하면

- 업로드 거부, 페어링 실패, 또는 런타임이 모델을 로드하지 못하는 경우 —
  [문제 해결](/ko/troubleshooting/) 런북을 참조하세요.

## 다음 단계

  - [입력 데이터소스 연결](/ko/configure/input-datasources/) — 라이브 센서 데이터로 모델에 데이터를 공급하세요.
  - [예측값 모니터링](/ko/operate/monitoring/) — 지연 시간, 처리량, KPI.
  - [파이프라인 확인하기](/ko/operate/preview-flow/) — Input → Model → Output 토폴로지를 시각화하고 실시간 연결을 확인하세요.