なんちゃってSEの足跡

NVIDIA TAO（Train, Adapt, and Optimize （旧名 NVIDIA TLT））で画像分類モデル（Image Classification）を作成～推論に挑戦する記事の５回目です。   進捗 環境構築 事前訓練モデルをダウンロード 訓練データの作成 モデルの訓練 推論 　←　現在地 前回やったこと NVIDIA TAO（Train, Adapt, and Optimize）の画像分類モデル（Image Classification）を使って訓練。 訓練したモデルを評価。 今回やること 訓練したモデルで推論を実行。 現在のディレクトリ構造 /workspace/work ├ data ← $DATA_DIR │ ├ train │ │ ├ drummer │ │ │ ├ 001.jpg │ │ │ └ 002.jpg │ │ ├ guitarist │ │ │ ├ 003.jpg │ │ │ └ 004.jpg │ │ ├ bassist │ │ │ ├ 005.jpg │ │ │ └ 006.jpg │ │ ├ vocalist │ │ │ ├ 007.jpg │ │ │ └ 008.jpg │ │ └ all │ │ ├ 009.jpg │ │ └ 010.jpg │ ├ val │ │ ├ drummer │ │ │ ├ 101.jpg │ │ │ └ 102.jpg │ │ ├ guitarist │ │ │ ├ 103.jpg │ │ │ └ 104.jpg │ │ ├ vocalist │ │ │ ├ 107.jpg │ │ │ └ 108.jpg │ │ └ all │ │ ├ 109.jpg │ │ └ 110.jpg │ └ test │ ├ drummer │ │ ├ 201.jpg ← 推論で使用する画像 │ │ └ 202.jpg │ ├ guitarist │ │ ├ 203.jpg │ │ └ 204.jpg │ ├ bassist │ │ ├ 205.jpg │ │ └ 206.jpg │ ├ vocalist │ │ ├ 207.jpg │ │ └ 208.jpg │ └ all │ ...

NVIDIA TAO（Train, Adapt, and Optimize （旧名 NVIDIA TLT））で画像分類モデル（Image Classification）を作成～推論に挑戦する記事の４回目です。 進捗 環境構築 事前訓練モデルをダウンロード 訓練データの作成 モデルの訓練 　←　現在地 推論 前回やったこと 訓練データを用意する。 設定ファイルを作成する。 今回やること 用意した訓練データ＆設定ファイルを使ってモデルを訓練する。   現在のディレクトリ構造 /workspace/work ← $WORK_DIR ├ data ← $DATA_DIR │ ├ train ← 訓練で使用する画像 │ │ ├ drummer ← 任意の分類名 │ │ │ ├ 001.jpg │ │ │ └ 002.jpg │ │ ├ guitarist │ │ │ ├ 003.jpg │ │ │ └ 004.jpg │ │ ├ bassist │ │ │ ├ 005.jpg │ │ │ └ 006.jpg │ │ ├ vocalist │ │ │ ├ 007.jpg │ │ │ └ 008.jpg │ │ └ all │ │ ├ 009.jpg │ │ └ 010.jpg │ ├ val ← 検証（Validate）で使用する画像 │ │ ├ drummer │ │ │ ├ 101.jpg │ │ │ └ 102.jpg │ │ ├ guitarist │ │ │ ├ 103.jpg │ │ │ └ 104.jpg │ │ ├ vocalist │ │ │ ├ 107.jpg │ │ │ └ 108.jpg │ │ └ all │ │ ├ 109.jpg │ │ └ 110.jpg │ └ test ← テストで使用する画像 │ ├ drummer │ │ ├ 201.jpg │ │ └ 202.jpg │ ├ guitarist │ │ ├ 203.jpg │ │ └ 204.jpg │ ├ bassist │ │ ├ 205.jpg │ │ └ 206.jpg │ ├ vocalist │ │ ├ 207.jpg │ │ └ 208.jpg │ └ all │...

NVIDIA TAO（Train, Adapt, and Optimize （旧名 NVIDIA TLT））で画像分類モデル（Image Classification）を作成～推論に挑戦する記事の３回目です。 進捗 環境構築 事前訓練モデルをダウンロード 訓練データの作成 　←　現在地 モデルの訓練 推論 前回やったこと 画像分類モデル（Image Classification）の事前訓練モデルをダウンロード。 今回やること 訓練データを用意する。 設定ファイルを作成する。 訓練データを用意する 今回はライブで撮影した写真を「drummer」「guitarist」 「bassist」「vocalist」「all」に分類してみます。 画像は下記のディレクトリ階層に合わせて配置します。 /workspace/work/data ← $DATA_DIR ├ train ← 訓練で使用する画像 │ ├ drummer │ │ ├ 001.jpg │ │ └ 002.jpg │ ├ guitarist │ │ ├ 003.jpg │ │ └ 004.jpg │ ├ bassist │ │ ├ 005.jpg │ │ └ 006.jpg │ ├ vocalist │ │ ├ 007.jpg │ │ └ 008.jpg │ └ all │ ├ 009.jpg │ └ 010.jpg ├ val ← 検証（Validate）で使用する画像 │ ├ drummer │ │ ├ 101.jpg │ │ └ 102.jpg │ ├ guitarist │ │ ├ 103.jpg │ │ └ 104.jpg │ ├ vocalist │ │ ├ 107.jpg │ │ └ 108.jpg │ └ all │ ├ 109.jpg │ └ 110.jpg └ test ← テストで使用する画像 ├ drummer │ ├ 201.jpg │ └ 202.jpg ├ guitarist │ ├ 203.jpg │ └ 204.jpg ├ bassist │ ├ 205.jpg │ └ 206.jpg ├ vocalist │ ├ 207.jpg │ └ 208.jpg └ all ...

NVIDIA TAO（Train, Adapt, and Optimize （旧名 NVIDIA TLT））で画像分類モデル（Image Classification）を作成～推論に挑戦する記事の２回目です。 進捗 環境構築 事前訓練モデルをダウンロード 　←　現在地 訓練データの作成 モデルの訓練 推論 前回やったこと NVIDIA TAO（Train, Adapt, and Optimize）のDockerを入手。  NVIDIA TAO（Train, Adapt, and Optimize）を使う為の各種設定。 作業で使うディレクトリの作成。 今回やること 画像分類モデル（Image Classification）で使用できる事前訓練モデルの一覧を確認。 画像分類モデル（Image Classification）の事前訓練モデルをダウンロード。 画像分類モデル（Image Classification）で使用できる事前訓練モデルの一覧を確認 $ ngc registry model list nvidia/tlt_pretrained_classification:* 色々なモデルが表示されますが、今回はこの中の ResNet18 を使っていきます。 画像分類モデル（Image Classification）の事前訓練モデルをダウンロード $ ngc registry model download-version nvidia/tlt_pretrained_classification:resnet18 --dest $MODEL_DIR 上記コマンドを実行すると、 /workspace/work/model/tlt_pretrained_classification_vresnet18 に「resnet_18.hdf5」がダウンロードされます。 終わりに これで事前訓練モデルをダウンロードできました。 次回 はこの事前訓練モデルをもとに転移学習を行うための訓練データの準備を行います。