Ana içeriğe geç

Özel Dedektör Modeli Eğitimi

Roboflow, Google Colab ve kendi veri setinizle, Limelight için hızlı bir şekilde özel dedektör modelleri eğitebilirsiniz.

İşte atmanız gereken adımların genel bir özeti:

  • İlgilendiğiniz nesnelerin görüntülerini toplayın ve açıklayın.
    • Bu bağlamda "açıklama", ilgilenilen nesnelerin etrafına sınırlayıcı kutular çizme işlemidir. Tüm bunlar Roboflow'un web arayüzünde yapılabilir.
    • Alternatif olarak, Roboflow Universe'den halka açık bir veri seti seçebilirsiniz
  • Açıklamalı veri setini .tfrecord olarak dışa aktarın, Google Drive'a yükleyin ve Google Colab ile ücretsiz eğitim Notebook'umuzu kullanın.
    • Google Colab, bulutta güçlü GPU'lar kullanarak ücretsiz olarak sinir ağları eğitmenize olanak tanır.

Eğitim:

1. Veri Seti

Limelight Eğitim Notebook'u sıkıştırılmış bir .tfrecord veri seti bekler. Roboflow, tek bir tıklamayla .tfrecord arşivlerini dışa aktarabilir.

Roboflow ile kendi veri setinizi oluşturabilir veya önceden açıklanmış veri setleri için Roboflow Universe'i inceleyebilirsiniz.

Kendi veri setinizi oluşturmayı seçerseniz, aşağıdakileri okuyun:

  • Veri setinizin çeşitliliğini en üst düzeye çıkarmalısınız. Veri setinizin çeşitliliği, Limelight'ınızın dağıtıldıktan sonra göreceği çeşitliliği aşmalıdır.

  • Veri setinizin kalitesi ve doğruluğu son derece önemlidir. Sınırlayıcı kutularınızın doğru olduğundan ve tek bir kuralı izlediğinden emin olun. Örneğin, kısmen gizlenmiş bir nesnenin sınırlayıcı kutusu yalnızca nesnenin görünen kısmını yakalamalıdır.

  • Sınıf etiketleri için tüm küçük harfleri kullanın

  • Sınıf etiketlerinin sayısını en aza indirin.

  • Roboflow'un artırmalarını kullanın, ancak bunların mantıklı olduğundan emin olun. Örneğin, kırmızı ve mavi topları tespit ediyorsanız, artırılmış veri setinizde renk tonunu tersine çevirmediğinizden veya ağır bir şekilde değiştirmediğinizden emin olun.

Bir veri setini etiketledikten veya bulduktan sonra, Roboflow'un "Veri Setini İndir" düğmesini kullanarak Tensorflow TFRecord olarak dışa aktarın. Bu arşivi Google Drive'ınıza yükleyin.

2. Modeli Eğitme

Özel dedektörünüzü eğitmek için Limelight Dedektör Eğitim Notebook'u ile bir Google Colab Oturumu başlatın.

Notebook herhangi bir kod değişikliği gerektirmez. Modelinizi eğitmek için şu adımları izleyin:

Bölüm 1

  1. İlk bölümü genişletin ve ilk üç kod bloğunun sol üst köşesindeki oynat düğmesine tıklayın. Zaman kazanmak için son "test" kod bloğu atlanabilir.
LL4 Teknik Çizim
  1. Eğer bir yeniden başlatma düğmesi görürseniz, görmezden gelin.
LL4 Teknik Çizim
  1. Eğer bunun gibi bir pencere görürseniz, "İptal"e tıklayın
LL4 Teknik Çizim

Bölüm 1.1

  1. Bölümü genişletin, ilk kod bloğunu çalıştırın ve tfrecord.zip dosyanızın Google Drive bağlantısını girin. Google Drive'da tfrecord.zip dosyanızın "bağlantıya sahip herkes" tarafından erişilebilir olduğundan emin olun

Bölüm 2

  1. Tfrecord.zip'i açmak ve ayrıştırmak için iki kod bloğunu çalıştırın

Bölüm 3

  1. Eğitime hazırlanmak için bölüm 3'teki tüm kod bloklarını çalıştırın

Bölüm 4

  1. Eğitimi başlatmak için bölüm 4'teki tüm kod bloklarını çalıştırın.

  2. Eğitim betiği çalışırken, ilerlemeyi izlemek için dosya panelini ve tensorboard'u yenileyebilirsiniz. Her 2000 adımda "training_progress" klasöründe yeni bir kontrol noktası görünmelidir.

  3. Eğitim otomatik olarak 40000 adımda duracak olsa da, bu bölümün son kod bloğundaki durdurma düğmesiyle istediğiniz zaman durdurabilirsiniz. Kontrol noktaları mevcut olduğu sürece, niceleme ve derlemeye geçebilirsiniz.

Bölüm 5 - 7

  1. Bir etiket dosyası oluşturmak ve modeli uyumlu FlatBuffer formatına dönüştürmek için bölüm 5'teki tüm kod bloklarını çalıştırın
  2. INT8 / 8bit çıkarım için modeli nicelemek üzere bölüm 6'daki tüm kod bloklarını çalıştırın.
  3. Modeli Google Coral ve Limelight için hazırlamak üzere bölüm 7'deki tüm kod bloklarını çalıştırın. Son kod bloğu biraz zaman alacak ve eğitilen modeli .zip dosyası olarak indirecektir.

Limelight'a Yükleme

  1. Colab oturumunuzdan arşivi açın.
  2. FTC Takımları - Eğer bir Limelight3A'nız varsa, 8bit tflite modelini ve labels.txt'yi yükleyin. Çalışma zamanı motorunu "coral"dan "cpu"ya değiştirmeniz gerekecektir
  3. FRC Takımları - Eğer bir Google Coral'ınız varsa, limelight_neural_detector_coral.tflite ve labels.txt dosyalarını Limelight'ınıza yükleyin.