darknet_letters
Différences
Ci-dessous, les différences entre deux révisions de la page.
Les deux révisions précédentesRévision précédenteProchaine révision | Révision précédenteProchaine révisionLes deux révisions suivantes | ||
darknet_letters [2019/09/25 08:44] – [Apprentissage soit Training appelé train] serge | darknet_letters [2020/10/30 10:29] – serge | ||
---|---|---|---|
Ligne 4: | Ligne 4: | ||
</ | </ | ||
<WRAP center round box 80% centeralign> | <WRAP center round box 80% centeralign> | ||
- | {{::2019_08: | + | {{media_02: |
+ | Le fond noir ne convient pas, il faut une video ! | ||
+ | </ | ||
+ | <WRAP center round box 60%> | ||
+ | * **De l' | ||
+ | * **Créer des images correspondant à une musique midi** | ||
+ | * **Lecture des images par l' | ||
</ | </ | ||
+ | {{ vimeo> | ||
+ | \\ \\ | ||
+ | **[[darknet_letters_essais|Darknet Letters Tous les essais]]** | ||
- | < | + | **[[https:// |
- | **De l' | + | ===== YOLO Darknet V3 ===== |
+ | ====Conclusion finale==== | ||
+ | * Le nombre de paramètres à optimiser est important. Pour pouvoir faire beaucoup de simulation, les calculs doivent être rapide, il est nécessaire d' | ||
+ | * Pour faire mieux, une GTX 1060 ne suffit pas. Il en faudrait au minimum 2, et mieux encore RTX 2080 Ti 11GB à 1100€ | ||
+ | * Cela permettrait de tester les modèles plus lourds et d' | ||
+ | ==== Conclusion des différents apprentissages ==== | ||
+ | < | ||
+ | <WRAP half column> | ||
+ | | ||
+ | * **Le modèle yolov3.cfg est trop lourd, le yolov3-tiny_3l.cfg suffit** | ||
+ | * **Images de 416x416** | ||
+ | * **1 à 2 jours d'apprentissage** | ||
+ | * **Fond video pour l' | ||
+ | * **Pas de flou dans les images | ||
</ | </ | ||
+ | <WRAP half column> | ||
+ | **Hardware** | ||
+ | * **GPU Nvidia 1060 GTX** | ||
+ | * **RAM de 16 Go** | ||
+ | * **RAM GPU de 6 Go** | ||
+ | * **SWAP de 64 Go sur SSD** | ||
+ | </ | ||
+ | </ | ||
+ | |||
+ | |||
===== Les sources sur GitHub ===== | ===== Les sources sur GitHub ===== | ||
* **[[https:// | * **[[https:// | ||
Ligne 17: | Ligne 49: | ||
**Créer et testé sur Debian Buster 10** | **Créer et testé sur Debian Buster 10** | ||
- | {{:2019_08: | + | {{media_02: |
- | {{:2019_08: | + | {{media_03:shot_12.png?300|Avec un fond video}} |
- | {{:2019_08: | + | {{media_02: |
====Conversion d'un fichier *.midi en *.json==== | ====Conversion d'un fichier *.midi en *.json==== | ||
Ligne 76: | Ligne 108: | ||
<code txt> | <code txt> | ||
- | | + | 1 - Lancement de letters |
- | | + | |
SPACE pour changer de musique | SPACE pour changer de musique | ||
- | 3 - Fabrication des shot pour l'IA | + | 2 - Fabrication des shot pour l'IA |
- | 4 - Conversion en json | + | 3 - Conversion d'une musique en image |
- | | + | |
H - Help | H - Help | ||
R - Reset | R - Reset | ||
Ligne 87: | Ligne 117: | ||
</ | </ | ||
- | En 2: Les fichiers du dossier /json seront jouées. | + | En 1: Les fichiers du dossier /json_60 |
- | + | ||
- | En 3: Pour l' | + | |
- | + | ||
- | En 4: Les fichiers midi sont traduits en json pour être facilement utilisé en python. | + | |
- | + | ||
- | En 5: Crée un jeu d' | + | |
+ | En 2: Pour l' | ||
+ | En 3: Crée un jeu d' | ||
===== Création du set d' | ===== Création du set d' | ||
Ligne 113: | Ligne 139: | ||
Avec le script **./ | Avec le script **./ | ||
- | {{ :: | + | {{ media_03: |
===== Yolo V3 Darknet===== | ===== Yolo V3 Darknet===== | ||
==== Ressources ==== | ==== Ressources ==== | ||
* **https:// | * **https:// | ||
+ | |||
+ | * [[https:// | ||
==== Installation de CUDA ==== | ==== Installation de CUDA ==== | ||
Ligne 136: | Ligne 164: | ||
ARCH= -gencode arch=compute_61, | ARCH= -gencode arch=compute_61, | ||
</ | </ | ||
- | |||
====Détection de mes objets lettres==== | ====Détection de mes objets lettres==== | ||
Ligne 197: | Ligne 224: | ||
===obj.data=== | ===obj.data=== | ||
- | Défini | + | Définit |
./darknet ..... | ./darknet ..... | ||
| | ||
Ligne 208: | Ligne 235: | ||
</ | </ | ||
- | ====Apprentissage soit Training appelé train==== | + | =====Apprentissage soit Training appelé train===== |
Non! pas de locomotive à vapeur ici ! | Non! pas de locomotive à vapeur ici ! | ||
- | ===Modifications suite à Apprentissage raté=== | + | ====Hardware==== |
- | * Test avec yolov3-tiny.cfg | + | |
- | * Test avec yolov3_5l.cfg | + | |
- | * Test avec yolov3-tiny_3l.cfg | + | |
- | * Grosse erreur perso: dans shot_xxx.txt de l' | + | |
- | * fond noir | + | |
- | * fond noir remplacé par un nuage gris | + | |
- | * nuage gris remplacé par une video de ciel ! | + | |
- | * Message dans le terminal: " | + | |
- | * Diminution des superpositions avec size de 0.6 à 0.9 | + | |
- | * Images avec minuscules seules et images avec majuscules seules pour diminuer le nombre de lettres dans l' | + | |
- | * Reprise des 400 images des lettres pour les cadrer serrées (20 heures de boulot) ! | + | |
- | * Ne pas déclarer des objets qui ne sont jamais dans les images ! | + | |
- | + | ||
- | ===Erreur de segmentation avec yolov3-tiny.cfg=== | + | |
- | **yolov3-tiny** va plus vite en test mais fini toujours par une erreur de segmentation après quelques images. | + | |
===RAM et SWAP=== | ===RAM et SWAP=== | ||
Lors de l' | Lors de l' | ||
Ligne 241: | Ligne 252: | ||
**La taille maxi des images possible est 416x416 avec 6 Go de Ram GPU** | **La taille maxi des images possible est 416x416 avec 6 Go de Ram GPU** | ||
- | ===yolov3.cfg=== | + | =====Apprentissage avec yolov3.cfg===== |
Dans le dossier /darknet: | Dans le dossier /darknet: | ||
./darknet detector train data/ | ./darknet detector train data/ | ||
Les chemins " | Les chemins " | ||
- | =====Durée d'un calcul et consommation électrique===== | + | =====Apprentissage avec yolov3-tiny_3l.cfg===== |
- | * 10 jours * 24 * 0.2 kW = 48 kwh à 0.17 € le kWh soit 8 € | + | **3 layers** |
+ | | ||
+ | ./darknet detector train data_09/ | ||
+ | |||
+ | Le fichier yolov3-tiny_3l_xx_best.weights fait 38.1 Mo | ||
+ | =====Apprentissage avec yolov3-tiny.cfg===== | ||
+ | **2 layers** | ||
+ | ./darknet partial data_12/ | ||
+ | ./darknet detector train data_12/ | ||
+ | |||
+ | Le fichier yolov3-tiny_12_best.weights fait 38 Mo. Malheureusement, | ||
+ | =====Tous les essais===== | ||
+ | * **[[darknet_letters_essais|Tous les essais sur cette page]]** | ||
- | ====Comment aller plus vite ?==== | + | ===== Reconversion d' |
- | * **Quel serait le coût sur un Pentaflops | + | ====Test |
- | * **Et si La Labomedia achète un Pentaflops ?** | + | Et le script play_letters.py du dossier play_letters. Il faut copier les fichiers: |
+ | | ||
+ | * libdarknet.so | ||
+ | des sources compilées de darknet dans le dossier play_letters. | ||
- | ===Ressources=== | + | Créer les images de json_to_image avec l' |
- | Je cite: **[[https:// | + | |
- | **La meilleure GPU: RTX 2070** | + | Les fichiers midi qui seront convertis |
- | * GPUs à éviter: | + | |
- | * Toutes les Tesla | + | |
- | * Toutes les Quadro | + | |
- | * Toutes les Founders Edition card | + | |
- | * Titan RTX, Titan V, Titan XP | + | |
- | * Bon Coût Efficacité mais chère: RTX 2070 | + | |
- | * Cost-efficient and pas chère: | + | |
- | * Je n'ai pas beaucoup d' | + | |
- | * Je suis très pauvre: GTX 1050 Ti (4GB). Alternative: | + | |
- | * Je fais du[[https:// | + | |
- | * Je suis un chercheur compétitif en vision par ordinateur: GTX 2080 Ti avec un kit Water Cooling. Pour les gros réseaux | + | |
- | * Je suis un chercheur en Programmation neuro-linguistique: | + | |
- | * Je veux construire une ferme de GPU: c'est très compliqué. | + | |
- | * Je débute sérieusement en apprentissage automatique: | + | |
- | * Je veux essayer, mais pas sérieusement: | + | |
- | ===Bilan=== | + | Définir le FPS dans letters.ini dans la section [json_to_image] |
- | **Je suis un chercheur compétitif, | + | |
+ | Il n'y a que 10 canaux midi au maximum possibles. | ||
- | =====Idées pour approfondir le sujet !===== | + | ====Quel fond d' |
- | * Repasser à un fond noir | + | <WRAP group> |
- | * Modifier le flou | + | <WRAP quarter column> |
- | * Aggrandir les images avec une RTX 2070 | + | * Nuages |
+ | {{:: | ||
+ | </ | ||
- | =====Essai 02===== | + | <WRAP quarter column> |
- | * fond video | + | * Plasma |
- | * fluo de 3 à 7 | + | {{:: |
- | * letters_scale = 1.09 | + | </ |
- | * 30 000 | + | |
- | =====Essai 03===== | + | <WRAP quarter column> |
- | * fond noir | + | * nuage RGB clair |
- | * pas de flou | + | {{media_04:boney_m.png?200|}} |
- | * taille 416 | + | </ |
- | * 50 000 images | + | |
- | * vérification du nombre de lettres: objectif 2000 par lettres, réel 1948 | + | |
- | * changement du json utilisé par créer les shot: minuscules et majuscules séparées et pas de séparation des polices avec des canaux vides. | + | |
- | * yolo_v3.cfg | + | |
- | * letters_scale = 1.01 | + | |
- | * plage_x = 4.5 | + | |
- | * plage_y = 4.5 | + | |
- | * size_min = 0.6 | + | |
- | * size_max = 0.9 | + | |
- | ===== Test ===== | + | <WRAP quarter column> |
- | ====Test simple sur une image==== | + | |
- | | + | {{:: |
- | ====Test sur le jeu d' | + | </ |
- | Et le script show_letters.py. Il faut copier les fichiers: | + | |
- | * darknet.py | + | |
- | * libdarknet.so | + | |
- | des sources compilées de darknet dans le dossier darknet de letters. | + | |
- | Créer les images de json_to_image avec l' | + | </ |
- | Il n'y a que 10 canaux midi au maximum possibles. | + | =====Bug: Libération de la RAM GPU à la fin d'une détection===== |
+ | |||
+ | [[darknet_letters_unload_gpu_ram_in_python_script|Voir la page Darknet Letters unload GPU RAM in python script]] | ||
+ | =====Durée d'un calcul et consommation électrique avec yolov3.cfg===== | ||
+ | * 50000 itérations de 50 000 images de 416x416 = 6 jours * 24 * 0.2 kW = kwh à 0.17 € le kWh soit 5 € | ||
+ | |||
+ | **6 mois de calcul = 150 €** | ||
+ | =====Quels matériels pour un apprentissage rapide ?===== | ||
+ | * **[[https:// | ||
+ | * **[[https:// | ||
+ | * **[[https:// | ||
+ | * **[[https:// | ||
+ | * **[[https:// | ||
+ | * **[[https:// | ||
+ | * https:// | ||
+ | |||
+ | ===Remise spéciale Education=== | ||
+ | * **[[https:// | ||
+ | |||
+ | ===Pour une startup fortunée=== | ||
+ | * **[[https:// | ||
+ | * **[[https:// | ||
+ | * **[[https:// | ||
+ | |||
+ | ===Juin 2020=== | ||
+ | * **[[https:// | ||
+ | |||
+ | * RTX 2060 (6 GB): if you want to explore deep learning in your spare time. 360€ | ||
+ | * RTX 2070 or 2080 (8 GB): if you are serious about deep learning, but your GPU budget is $600-800. Eight GB of VRAM can fit the majority of models. | ||
+ | * RTX 2080 Ti (11 GB): if you are serious about deep learning and your GPU budget is ~$1,200. The RTX 2080 Ti is ~40% faster than the RTX 2080. | ||
+ | * Titan RTX and Quadro RTX 6000 (24 GB): if you are working on SOTA models extensively, | ||
+ | * Quadro RTX 8000 (48 GB): you are investing in the future and might even be lucky enough to research SOTA deep learning in 2020. 5500€ | ||
+ | |||
+ | |||
+ | =====Benchmark===== | ||
+ | * https:// | ||
+ | ====Bilan==== | ||
+ | **Je suis un chercheur compétitif, | ||
- | =====Recherche===== | ||
- | https:// | ||
=====Morale du jour===== | =====Morale du jour===== | ||
**Einstein** a dit: | **Einstein** a dit: | ||
Ligne 324: | Ligne 357: | ||
**Mais, en ce qui concerne l' | **Mais, en ce qui concerne l' | ||
- | {{tag> ia sb bge}} | + | {{tag> ia sb bge yolo_darknet}} |
darknet_letters.txt · Dernière modification : 2020/12/27 15:11 de serge