انتقل إلى المحتوى الرئيسي

تدريب نموذج كاشف مخصص

باستخدام Roboflow و Google Colab ومجموعة البيانات الخاصة بك، يمكنك بسرعة تدريب نماذج كاشفة مخصصة لـ Limelight.

فيما يلي نظرة عامة على الخطوات التي ستحتاج إلى اتخاذها:

  • جمع وتوصيف صور للأشياء المهمة.
    • في هذا السياق، "التوصيف" هو عملية رسم مربعات محيطة حول الأشياء المهمة. يمكن القيام بكل هذا داخل واجهة Roboflow على الويب.
    • بدلاً من ذلك، يمكنك اختيار مجموعة بيانات عامة من Roboflow Universe
  • تصدير مجموعة البيانات الموصوفة كـ .tfrecord، وتحميلها إلى Google Drive، واستخدام دفتر التدريب المجاني الخاص بنا مع Google Colab.
    • يتيح لك Google Colab تدريب الشبكات العصبية باستخدام وحدات معالجة الرسومات القوية على السحابة مجانًا.

الدليل التعليمي:

1. مجموعة البيانات​

يتوقع دفتر تدريب Limelight مجموعة بيانات .tfrecord مضغوطة. يمكن لـ Roboflow تصدير أرشيفات .tfrecord بنقرة واحدة.

يمكنك بناء مجموعة البيانات الخاصة بك باستخدام Roboflow، أو تصفح Roboflow Universe للحصول على مجموعات بيانات موصوفة مسبقًا.

إذا اخترت بناء مجموعة البيانات الخاصة بك، اقرأ ما يلي:

  • يجب عليك زيادة تنوع مجموعة البيانات الخاصة بك إلى أقصى حد. يجب أن يتجاوز تنوع مجموعة البيانات الخاصة بك تنوع ما سيراه Limelight الخاص بك بمجرد نشره.

  • جودة ودقة مجموعة البيانات الخاصة بك ذات أهمية قصوى. تأكد من أن المربعات المحيطة الخاصة بك دقيقة وتتبع اتفاقية واحدة. على سبيل المثال، يجب أن يلتقط المربع المحيط للكائن المحجوب جزئيًا الجزء المرئي فقط من الكائن.

  • استخدم الأحرف الصغيرة لتسميات الفئات

  • قلل عدد تسميات الفئات.

  • استفد من تحسينات Roboflow، ولكن تأكد من أنها منطقية. إذا كنت تكتشف كرات حمراء وزرقاء، على سبيل المثال، تأكد من أنك لا تقوم بعكس أو تعديل درجة اللون بشكل كبير في مجموعة البيانات المحسنة الخاصة بك.

بمجرد أن تقوم بتسمية أو العثور على مجموعة بيانات، استخدم زر "تنزيل مجموعة البيانات" في Roboflow لتصديرها كـ Tensorflow TFRecord. قم بتحميل هذا الأرشيف إلى Google Drive الخاص بك.

2. تدريب النموذج​

لتدريب الكاشف المخصص الخاص بك، ابدأ جلسة Google Colab باستخدام دفتر تدريب كاشف Limelight.

لا يتطلب الدفتر أي تغييرات في الكود. اتبع هذه الخطوات لتدريب نموذجك:

القسم 1​

  1. قم بتوسيع القسم الأول، وانقر على زر التشغيل في الزاوية العلوية اليسرى لكل من الكتل الثلاث الأولى من الكود. يمكن تخطي كتلة الكود "الاختبار" النهائية لتوفير الوقت.

القسم 2​

  1. قم بتوسيع القسم الثاني. انقر على زر تشغيل الكتلة الأولى لتثبيت مجلد Google Drive الخاص بك في جزء "الملفات" في جلسة Colab الخاصة بك. افتح جزء الملفات بالنقر على زر المجلد على الجانب الأيسر من الشاشة.

  2. بمجرد تثبيت Google Drive الخاص بك، انقر على زر التحديث في جزء "الملفات". قم بتشغيل كتلة الكود الثانية في هذا القسم لتحديد ملف .tfrecord.zip الذي قمت بتحميله بالفعل في مجلد gdrive. ابحث عن الملف، وانقر على زر "تحديد".

  3. قم بتشغيل كتلتي الكود التاليتين لفك ضغط والتحقق من صحة TFRecord.

القسم 3​

  1. قم بتشغيل جميع كتل الكود في القسم 3 للتحضير للتدريب

القسم 4​

  1. قم بتشغيل جميع كتل الكود في القسم 4 لبدء التدريب.

  2. أثناء تشغيل نص التدريب، يمكنك تحديث جزء الملفات و tensorboard لمراقبة التقدم. يجب أن تظهر نقطة تحقق جديدة في مجلد "training_progress" كل 2000 خطوة.

  3. بينما سيتوقف التدريب تلقائيًا عند 40000 خطوة، يمكنك إيقافه في أي وقت باستخدام زر الإيقاف في كتلة الكود الأخيرة من هذا القسم. طالما أن نقاط التحقق متاحة، يمكنك المضي قدمًا إلى التكميم والتجميع.

الأقسام 5 - 7​

  1. قم بتشغيل جميع كتل الكود في القسم 5 لإنشاء ملف التسميات وتحويل النموذج إلى تنسيق FlatBuffer متوافق
  2. قم بتشغيل جميع كتل الكود في القسم 6 لتكميم النموذج لاستدلال INT8 / 8 بت.
  3. قم بتشغيل جميع كتل الكود في القسم 7 لتحضير النموذج لـ Google Coral و Limelight. ستستغرق كتلة الكود الأخيرة بعض الوقت، وستقوم بتنزيل النموذج المدرب كملف .zip.

التحميل إلى Limelight​

  1. قم بفك ضغط الأرشيف من جلسة Colab الخاصة بك. قم بتحميل ملفات limelight_neural_detector_coral.tflite و labels.txt إلى Limelight الخاص بك.