דלג לתוכן הראשי

אימון מודל גלאי מותאם אישית

עם Roboflow, Google Colab, ומערך הנתונים שלכם, תוכלו לאמן במהירות מודלים של גלאים מותאמים אישית עבור Limelight.

הנה סקירה של השלבים שתצטרכו לבצע:

  • איסוף ותיוג תמונות של אובייקטים מעניינים.
    • בהקשר זה, "תיוג" הוא תהליך ציור תיבות תוחמות סביב אובייקטים מעניינים. כל זה ניתן לביצוע בממשק האינטרנט של Roboflow.
    • לחלופין, תוכלו לבחור מערך נתונים ציבורי מ-Roboflow Universe
  • ייצוא מערך הנתונים המתויג כ-.tfrecord, העלאה ל-Google Drive, ושימוש במחברת האימון החינמית שלנו עם Google Colab.
    • Google Colab מאפשר לכם לאמן רשתות נוירונים באמצעות GPUs חזקים בענן בחינם.

מדריך:

1. מערך הנתונים​

מחברת האימון של Limelight מצפה למערך נתונים .tfrecord דחוס. Roboflow יכול לייצא ארכיוני .tfrecord בלחיצה אחת.

תוכלו לבנות מערך נתונים משלכם עם Roboflow, או לעיין ב-Roboflow Universe למערכי נתונים מתויגים מראש.

אם תבחרו לבנות מערך נתונים משלכם, קראו את הדברים הבאים:

  • עליכם למקסם את המגוון של מערך הנתונים שלכם. המגוון של מערך הנתונים שלכם צריך לעלות על המגוון של מה ש-Limelight שלכם יראה לאחר הפריסה.

  • האיכות והדיוק של מערך הנתונים שלכם הם בעלי חשיבות עליונה. ודאו שהתיבות התוחמות שלכם מדויקות ועוקבות אחר מוסכמה אחת. לדוגמה, תיבה תוחמת של אובייקט מוסתר חלקית צריכה ללכוד רק את החלק הנראה של האובייקט.

  • השתמשו באותיות קטנות בלבד עבור תוויות המחלקות

  • מזערו את מספר תוויות המחלקות.

  • נצלו את ההגברות של Roboflow, אך ודאו שהן הגיוניות. אם אתם מזהים כדורים אדומים וכחולים, לדוגמה, ודאו שאינכם הופכים או משנים באופן משמעותי את הגוון במערך הנתונים המוגבר שלכם.

לאחר שתייגתם או מצאתם מערך נתונים, השתמשו בכפתור "Download Dataset" של Roboflow כדי לייצא אותו כ-Tensorflow TFRecord. העלו ארכיון זה ל-Google Drive שלכם.

2. אימון המודל​

כדי לאמן את הגלאי המותאם אישית שלכם, התחילו סשן Google Colab עם מחברת אימון הגלאי של Limelight.

המחברת אינה דורשת שינויי קוד. עקבו אחר השלבים הבאים כדי לאמן את המודל שלכם:

חלק 1​

  1. הרחיבו את החלק הראשון, ולחצו על כפתור ההפעלה בפינה השמאלית העליונה של כל אחד משלושת בלוקי הקוד הראשונים. ניתן לדלג על בלוק הקוד האחרון של "testing" כדי לחסוך זמן.
LL4 Technical Drawing
  1. אם אי פעם תראו כפתור restart, התעלמו ממנו.
LL4 Technical Drawing
  1. אם אי פעם תראו חלון כזה, לחצו על "Cancel"
LL4 Technical Drawing

חלק 1.1​

  1. הרחיבו את החלק, הריצו את בלוק הקוד הראשון, והזינו קישור Google Drive לקובץ tfrecord.zip שלכם. ודאו שה-tfrecord.zip שלכם נגיש ל"כל מי שיש לו את הקישור" ב-Google Drive

חלק 2​

  1. הריצו את שני בלוקי הקוד כדי לחלץ ולנתח את ה-tfrecord.zip

חלק 3​

  1. הריצו את כל בלוקי הקוד בחלק 3 כדי להתכונן לאימון

חלק 4​

  1. הריצו את כל בלוקי הקוד בחלק 4 כדי להתחיל באימון.

  2. בזמן שסקריפט האימון רץ, תוכלו לרענן את חלונית הקבצים ו-tensorboard כדי לעקוב אחר ההתקדמות. נקודת ביקורת חדשה אמורה להופיע בתיקיית "training_progress" כל 2000 צעדים.

  3. בעוד שהאימון יעצור אוטומטית ב-40000 צעדים, תוכלו לעצור אותו בכל נקודה עם כפתור העצירה בבלוק הקוד האחרון של חלק זה. כל עוד נקודות ביקורת זמינות, תוכלו להתקדם לקוונטיזציה וקומפילציה.

חלקים 5 - 7​

  1. הריצו את כל בלוקי הקוד בחלק 5 כדי ליצור קובץ תוויות ולהמיר את המודל לפורמט FlatBuffer תואם
  2. הריצו את כל בלוקי הקוד בחלק 6 כדי לבצע קוונטיזציה של המודל להסקה INT8 / 8bit.
  3. הריצו את כל בלוקי הקוד בחלק 7 כדי להכין את המודל עבור Google Coral ו-Limelight. בלוק הקוד האחרון ייקח זמן מה, והוא יוריד את המודל המאומן כקובץ .zip.

העלאה ל-Limelight​

  1. חלצו את הארכיון מסשן ה-Colab שלכם.
  2. קבוצות FTC - אם יש לכם Limelight3A, העלו את מודל ה-tflite של 8bit ואת labels.txt. תצטרכו לשנות את מנוע הריצה מ-"coral" ל-"cpu"
  3. קבוצות FRC - אם יש לכם Google Coral, העלו את קבצי limelight_neural_detector_coral.tflite ו-labels.txt ל-Limelight שלכם.