클라우드

[KT클라우드]Mask R-CNN

관리자 작성
작성일 2022.01.20 11:49

1,878 조회
0 추천
목록

글검색

Mask R-CNN은 object detection 및 segmentation을 위한 모델입니다. 이미지를 입력 받아 사물의 종류와 해당 사물의 위치를 파악합니다. 특히 각 사물에 대해 bounding box와 segmentation mask를 모두 찾습니다.

[Link] K. He et al., Mask R-CNN, arXiv:1703.06870

Hyperscale AI Computing 서비스를 사용해 Mask R-CNN 모델을 학습시키고, 또 학습된 모델을 사용해 실제 이미지를 분류할 수 있습니다. 학습/추론을 위한 PyTorch 스크립트와, 실제 모델 학습을 시켜 보기 위한 샘플 데이터(COCO 2017) 를 제공합니다. COCO 2017 데이터셋과 호환되는 포맷의 데이터가 있다면 이를 사용해 Mask R-CNN 모델을 학습시킬 수 있습니다.

VM 생성 권장 사양

Mask R-CNN 학습을 위해서는 최소 다음 사양으로 VM을 생성하기를 권장합니다.

OS: Ubuntu 18.04
CPU: 8 vCore
메인 메모리: 128 GB

VM 생성 시 Hyperscale AI Computing 서비스가 제공하는 여러 가지 AI 가속기 모델 중 한 가지를 선택해야 하는데, 현재 Mask R-CNN 모델을 위해서는 small.16gb 모델을 선택하시기를 권장합니다.

AI 가속기 모델	학습 처리 속도(초당 이미지 학습량)	샘플 데이터 1회 학습(1 epoch)시 소요 시간
small.16gb	0.26장	125시간 17분

위 성능은 테스트 환경에서 측정된 것으로 실 사용 환경에서는 차이가 생길 수 있습니다.

또한 VM의 reference model로는 Vision 카테고리의 Mask R-CNN 모델을 선택하십시오. 마지막으로 "생성하기" 버튼을 클릭하면 VM 생성이 완료됩니다.

모델 코드 및 샘플 데이터 설치

VM에 접속하면 홈 디렉터리 밑에 install.sh 스크립트가 위치하고 있습니다. 이를 실행하여 Mask R-CNN 모델 코드 및 샘플 데이터를 설치하십시오. 설치에는 수 분 정도가 걸릴 수 있습니다. 설치 중에 VM 접속이 끊어지지 않도록 유의하십시오.

설치가 완료되면 홈 디렉터리 밑에 maskrcnn, dataset/coco2017 디렉터리가 생성됩니다. maskrcnn 디렉터리에는 Mask R-CNN 모델 학습/추론을 위한 PyTorch 스크립트가 들어 있습니다. dataset/coco2017 디렉터리에는 샘플 데이터로 사용 가능한 COCO 2017 데이터셋이 저장되어 있습니다.

설치가 정상적으로 이루어졌다면 홈 디렉터리 밑의 downloads 디렉터리는 지워도 무방합니다.

(pytorch) ubuntu@vm:~$ ls

install.sh  sample

(pytorch) ubuntu@vm:~$ ./install.sh

- Installing maskrcnn reference code...

(중략)

Install complete!

- Reference code of maskrcnn   : [ OK    ] (Saved at /home/ubuntu/maskrcnn)

- Dataset coco2017             : [ OK    ] (Saved at /home/ubuntu/dataset/coco2017)

- Link dataset                 : [ OK    ] (Linked dataset at /home/ubuntu/maskrcnn/data)

(pytorch) ubuntu@vm:~$ ls

dataset  downloads  install.sh  maskrcnn  sample

(pytorch) ubuntu@vm:~$ ls dataset

coco2017

(pytorch) ubuntu@vm:~$ ls maskrcnn

CODE_OF_CONDUCT.md  data  inference.py  LICENSE  model  requirements.txt  train.py

Hyperscale AI Computing 시스템 환경 확인

VM에는 기본적으로 Python 3.8, PyTorch 1.7.1 및 Hyperscale AI Computing 지원을 위한 플러그인이 설치되어 있습니다. 다음과 같이 실행하여 PyTorch 버전 및 Hyperscale AI Computing 플러그인 버전 정보를 확인할 수 있습니다.

(pytorch) ubuntu@vm:~$ python

Python 3.8.12 (default, Oct 12 2021, 13:49:34)

[GCC 7.5.0] :: Anaconda, Inc. on linux

Type "help", "copyright", "credits" or "license" for more information.

>>> import torch

>>> torch.__version__

'1.7.1'

>>> torch.version.moreh

'0.8.0'

>>> quit()

(pytorch) ubuntu@vm:~$

또한 터미널에서 moreh-smi 명령을 실행하여 VM에 연결된 AI 가속기 정보를 확인할 수 있습니다.

(pytorch) ubuntu@vm:~$ moreh-smi

+--------------------------------------------------------------------------------------------------------------+

|  Moreh-SMI 0.8.0                                               Client Version: 0.8.0  Server Version: 0.8.0  |

+--------------------------------------------------------------------------------------------------------------+

|  Device  |        Name         |            Token           |     Model    |  Memory Usage  |  Total Memory  |

+==============================================================================================================+

|       1  |  KT AI Accelerator  |  ZXhhbXBsZSB0b2tlbiBzdHI=  |  small.16gb  |  -             |  -             |

+--------------------------------------------------------------------------------------------------------------+

Processes:

+----------------------------------------------------------+

|  Device  |  Job ID  |  PID  |  Process  |  Memory Usage  |

+==========================================================+

+----------------------------------------------------------+

Mask R-CNN 학습 시작하기

홈 디렉터리 아래의 maskrcnn 디렉터리로 이동한 다음 train.py 스크립트를 실행하여 Mask R-CNN 모델 학습을 시작할 수 있습니다.

(pytorch) ubuntu@vm:~$ cd ~/maskrcnn

(pytorch) ubuntu@vm:~/maskrcnn$ python train.py --save-model model.pt -b 2

| INFO     | __main__:parse_args:236 - PARAMETER | config_file : ./model/config/e2e_mask_rcnn_R_50_FPN_1x.yaml

| INFO     | __main__:parse_args:236 - PARAMETER | epochs : 14

| INFO     | __main__:parse_args:236 - PARAMETER | mode : train

| INFO     | __main__:parse_args:236 - PARAMETER | load_checkpoint :

| INFO     | __main__:parse_args:236 - PARAMETER | checkpoint_path : ./checkpoint

...

[info] Requesting resources for KT AI Accelerator from the server...

[info] Initializing the worker daemon for KT AI Accelerator...

[info] [1/1] Connecting to resources on the server (192.168.00.00:00000)...

[info] Establishing links to the resources...

[info] KT AI Accelerator is ready to use.

| INFO     | model.utils.checkpoint:load:74 - Loading checkpoint from catalog://ImageNetPretrained/MSRA/R-50

| INFO     | model.utils.checkpoint:_load_file:139 - catalog://ImageNetPretrained/MSRA/R-50 points to https://dl.fbaipublicfiles.com/detectron/ImageNetPretrained/MSRA/R-50.pkl

| INFO     | model.utils.checkpoint:_load_file:145 - url https://dl.fbaipublicfiles.com/detectron/ImageNetPretrained/MSRA/R-50.pkl cached in /home/ubuntu/.torch/models/R-50.pkl

| INFO     | model.utils.c2_model_loading:_rename_weights_for_resnet:126 - Remapping C2 weights

| INFO     | model.utils.checkpoint:load:85 - Checkpoint loaded..

loading annotations into memory...

Done (t=16.22s)

링크

https://cloud.kt.com/portal/user-guide/hyperscale_ai_computing_modelguide_mask_r_cnn 309 회 연결
이전

[KT클라우드]ArcFace

작성일 2022.01.20 11:50
다음

[KT클라우드]Inception v3

작성일 2022.01.20 11:49

등록된 댓글이 없습니다.

로그인한 회원만 댓글 등록이 가능합니다.

메뉴
검색
클라우드포털

[KT클라우드]Mask R-CNN

공지사항

뉴스광장

작성자 정보

컨텐츠 정보

본문

관련자료

공지사항

뉴스광장