tensorflow-machine learning (6) 썸네일형 리스트형 jetson board 환경설정 및 saved_model ,frozen_graph 생성 이전의 과정들로 생성했던 annotation data 들로 모델의 학습을 완료했을 것이며 검증 또한 완료하였을 것이다 해당 결과는 tensorboard로 확인할 수 있을 것이며 이번에는 이 학습된 모델을 활용할 수 있는 방안에 대하여 알아 볼 것이다 우선 saved_model.pb파일이나 frozen_graph.pb파일에 대하여 알아 두어야 하는데 간단히 말하면 pb파일은 우리가 학습한 모델을 사용하기 위하여 해당 가중치들의 값과 모델의 모양을 저장한 파일이라 생각하면 이해가 빠를듯 하다 활용방안으로는 해당 pb파일을 이용해 소형 컴퓨터인 jetson board에서 모델을 이용하여 detection을 진행 해 볼 것이다 jetson board역시 tensorflow 및 가상환경을 사용하여야 하기에 우선 .. tensorflow 1.13 model traning & nohup 이전 포스팅에서 tensorflow 2.3버전에 대한 학습과 검증 그리고 tensorboard의 사용법까지 알아 보았습니다 이번 포스팅에서는 tensorflow 1.13버전의 학습에 대하여 알아 볼 것이며 앞서 tensorflow 2.3 버전 같은 경우 총 10만회의 학습에 10시간 정도 소요되었으며 이러한 부분의 편의성을 위하여 백그라운드에서 학습을 진행하는 nohup 명령에 대해서도 알아 보겠습니다 우선 tensorflow 1환경에서의 학습을 진행하겠습니다 앞서 말한것 처럼 tensorflow1환경은 학습과 검증이 같이 이루어 집니다 우선 nohup등을 사용할 예정이므로 nvcc를 사용할 것 이기 때문에 path를 nvcc가 존재하는 cuda-10.0/bin으로 설정해 주었고 pipeline.conf.. Tensorflow model training & mAP , Tensorboard 앞서 pipeline 의 작성법을 학습하였고 tensorflow 2 환경은 tensorflow1 환경과 약간 차이가 있기 때문에 이번에는 tensorflow 2 환경의 model training을 진행하겠습니다 tf 1 버전에서는 하나의 프로세서로 학습과 검증이 모두 가능하며 tf 2 버전에서는 두개의 프로세서로 학습 1개 검증 1개 수행해야합니다 /home/user_directory/tensorflow/models/research/object_detection/model_lib_v2.py 파일 내부 :558로 558번째 줄로 이동해서 확인해 보면 with tf.compat.v2.summary.record_if ( 안 람다문이 존재할 것입니다 해당 람다문은 검증 빈도를 나타내는 것인데 기존 lambda:.. machine learning pipline config 작성법 우선 필자가 머신러닝에 사용할 모델은 https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/tf2_detection_zoo.md 해당 링크의 ssd_resnet50_v1_fpn_640x640_coco17_tpu-8 모델이다 tf version은 2.3을 사용하였다 해당 모델을 사용하기 위해서는 pipeline.config를 사용자가 설정한 뒤 이 pipeline 및 tf.record들을 이용하여 모델을 구동한다 pipeline 작성시에는 기본적으로 작성된 부분에서 몇 가지 부분만 사용자의 모델에 맞게 수정하면 되는데 수정할 부분은 model , train_config , train_inpout_reader , ev.. 동영상 frame rate로 자르기 및 annotation 이번 글에서는 학습 data 구축을 위하여 직접 동영상을 확보하여 프레임 별로 나누어 어노테이션을 진행하였습니다 우선 영상을 프레임 별로 자르는 작업이 우선입니다 필자의 경우 ffmpeg 명령을 사용하여 작업을 진행하였으며 ffmpeg의 기본적인 문법은 ffmpeg -ss [시작시간] -t [길이] -i [동영상이름] -r [프레임레이트] -s [출력해상도] -qscale:v 2 -f image2 [이미지이름] 이렇게 구성이 됩니다 어짜피 영상의 처음부터 끝까지 자를 예정이었으며 출력 해상도 역시 1920*1080이므로 별 다른 설정은 하지 않았고 프레임레이트만 초당 5회로 설정하여 영상을 처리하였습니다 ffmpeg -i car3.mp4 -r 5 ./convert_video2/image%04d.jpg 해.. [tensorflow 환경 설정] tensorflow를 활용하여 여러 데이터 셋을 구성해 보고 여러 모델들을 이용하여 이미지 디텍션을 진행해보도록 하겠습니다 우선 가장 중요한 부분이라 할수 있는 환경설정 입니다 필자는 테스트 서버 속의 miniconda 에서 환경설정을 진행하였으며 cuda 10.0 cuda10.1버전과 기타 라이브러리들은 받아놓은 상태입니다 현제 tf1버전과 tf2버전을 모두 사용해 보며 학습법을 같이 배워 볼 것입니다 tf1버전은 cuda 10.0을 사용하고 tf2 버전은 cuda 10.1버전을 사용하므로 각각 연결시켜 사용 해 줄 것 입니다 python버전은 3.6버전을 사용하며 tensorflow-gpu 1.13 , 2.3버전을 사용합니다 conda create -n tf1.13 python=3.6 conda cr.. 이전 1 다음