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 [2019/10/20 09:57] – [Essais] serge | darknet_letters [2020/06/20 07:04] – [Quels matériels pour un apprentissage rapide ?] 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 ! | Le fond noir ne convient pas, il faut une video ! | ||
</ | </ | ||
- | + | <WRAP center round box 60%> | |
- | + | | |
- | <WRAP center round box 60% centeralign> | + | * **Créer des images correspondant à une musique midi** |
- | **De l' | + | * **Lecture des images par l' |
</ | </ | ||
+ | {{ vimeo> | ||
+ | \\ \\ | ||
+ | **[[darknet_letters_essais|Darknet Letters Tous les essais]]** | ||
+ | **[[https:// | ||
===== YOLO Darknet V3 ===== | ===== 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 ==== | ==== Conclusion des différents apprentissages ==== | ||
- | | + | <WRAP group> |
+ | <WRAP half column> | ||
+ | | ||
+ | * **Le modèle yolov3.cfg est trop lourd, le yolov3-tiny_3l.cfg suffit** | ||
+ | * **Images de 416x416** | ||
+ | * **1 à 2 jours d' | ||
+ | * **Fond video pour l' | ||
+ | * **Pas de flou dans les images ** | ||
+ | </ | ||
+ | <WRAP half column> | ||
+ | **Hardware** | ||
* **GPU Nvidia 1060 GTX** | * **GPU Nvidia 1060 GTX** | ||
- | * **6 jours d' | + | * **RAM de 16 Go** |
- | * **Ne pas mettre | + | * **RAM GPU de 6 Go** |
- | * **Les zones de définitions des objets dans les images doivent être un peu large** | + | * **SWAP de 64 Go sur SSD** |
- | * **Mettre un peu de flou dans les images ** | + | </ |
+ | </ | ||
- | ====Hardware==== | ||
- | * Images de 416x416 | ||
- | * 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 35: | 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 94: | 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 105: | Ligne 117: | ||
</ | </ | ||
- | En 2: Les fichiers du dossier /json seront jouées. | + | En 1: Les fichiers du dossier /json_60 |
- | En 3: Pour l' | + | En 2: Pour l' |
- | En 4: Les fichiers midi sont traduits en json pour être facilement utilisé en python. | + | En 3: Crée un jeu d' |
- | + | ||
- | En 5: Crée un jeu d' | + | |
===== Création du set d' | ===== Création du set d' | ||
Ligne 129: | Ligne 139: | ||
Avec le script **./ | Avec le script **./ | ||
- | {{ :: | + | {{ media_03: |
===== Yolo V3 Darknet===== | ===== Yolo V3 Darknet===== | ||
Ligne 135: | Ligne 145: | ||
* **https:// | * **https:// | ||
- | * [[https:// | + | * [[https:// |
==== Installation de CUDA ==== | ==== Installation de CUDA ==== | ||
Ligne 242: | 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** | ||
- | ====Apprentissage avec 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 " | ||
- | ====Essais==== | + | =====Apprentissage avec yolov3-tiny_3l.cfg===== |
- | ===Erreur de segmentation | + | **3 layers** |
- | **yolov3-tiny** | + | ./darknet partial data_09/ |
+ | ./darknet detector train data_09/ | ||
+ | |||
+ | Le fichier yolov3-tiny_3l_xx_best.weights fait 38.1 Mo | ||
+ | =====Apprentissage | ||
+ | **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]]** | ||
- | ===Modifications suite à apprentissage finissant sur une erreur=== | + | ===== Reconversion d' |
- | | + | ====Test sur le jeu d'image de json_to_image==== |
- | * Test avec yolov3_5l.cfg | + | Et le script play_letters.py du dossier play_letters. Il faut copier |
- | * Test avec yolov3-tiny_3l.cfg | + | * darknet.py |
- | * Grosse erreur perso: dans shot_xxx.txt de l' | + | * libdarknet.so |
- | * fond noir | + | des sources compilées |
- | * 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 | + | |
- | * Ne pas déclarer des objets qui ne sont jamais | + | |
- | * SWAP de 64 Go au lieu de 8 Go | + | |
- | ===Essai 02=== | + | Créer les images de json_to_image |
- | * fond video | + | |
- | * flou de 3 à 7 | + | |
- | * letters_scale = 1.09 | + | |
- | * 30 000 images | + | |
- | * 90 000 itérations | + | |
- | * Shadeless pas de variation de couleurs et éclairage | + | |
- | Résultat: | + | |
- | {{ :: | + | |
- | Pas mal mais trop de lettres ne sont pas reconnues, et certaines | + | |
- | ===Essai 03=== | + | Les fichiers midi qui seront convertis en images |
- | * fond noir | + | |
- | * pas de flou | + | |
- | * taille 416 | + | |
- | * 50 000 images | + | |
- | * vérification du nombre | + | |
- | * 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 | + | |
- | * variation de couleurs et éclairage avec un Sun | + | |
- | * début 25/09/2019 à 10h, fin 01/10/2019 à 6h55 | + | |
- | * 50 000 itérations | + | |
- | {{ : | + | |
- | Efficacité 99% mais reconnaît très mal les lettres, et la détection de leur position très très large par rapport au réel. La musique résultante n'est pas reconnaissable. | + | |
- | ===Essai 04=== | + | Définir le FPS dans letters.ini dans la section [json_to_image] |
- | Idem Essai 03 mais: | + | |
- | * fond video | + | |
- | {{ :: | + | |
- | Reconnaissance médiocre ! La musique résultante n'est pas reconnaissable.\\ | + | |
- | Relance de 50 000 itérations supplémentaires. | + | |
- | ===Essai 05=== | + | Il n'y a que 10 canaux midi au maximum possibles. |
- | Modification par rapport à 4 et 3 | + | |
- | * fond video | + | ====Quel fond d' |
- | * flou: 3 à 7 | + | <WRAP group> |
- | * taille 416 | + | <WRAP quarter column> |
- | * 50 000 images | + | * Nuages |
- | * yolo_v3_05.cfg | + | {{:: |
- | * letters_scale = 1.08 | + | </ |
- | * plage_x = 4.5 | + | |
- | * plage_y = 4.5 | + | <WRAP quarter column> |
- | * size_min = 0.6 | + | * Plasma |
- | * size_max = 0.9 | + | {{:: |
- | * variation de couleurs et éclairage avec un Sun | + | </ |
- | * 100 000 itérations | + | |
- | {{ ::chart_05_50000.png?300 |}} | + | <WRAP quarter column> |
+ | * nuage RGB clair | ||
+ | {{:boney_m.png?200|}} | ||
+ | </ | ||
+ | |||
+ | <WRAP quarter column> | ||
+ | * Très foncé en RGB | ||
+ | {{::s_j_to_i_122.png?200|}} | ||
+ | </ | ||
+ | |||
+ | </ | ||
+ | |||
+ | =====Bug: Libération de la RAM GPU à la fin d'une détection===== | ||
- | =====Durée d'un calcul et consommation électrique===== | + | [[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 | ||
* 50000 itérations de 50 000 images de 416x416 = 6 jours * 24 * 0.2 kW = kwh à 0.17 € le kWh soit 5 € | * 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 ?===== | =====Quels matériels pour un apprentissage rapide ?===== | ||
- | * **Quel serait le coût sur un Pentaflops | ||
- | * **Et si La Labomedia achète un Pentaflops ?** | ||
* **[[https:// | * **[[https:// | ||
* **[[https:// | * **[[https:// | ||
Ligne 331: | Ligne 325: | ||
* **[[https:// | * **[[https:// | ||
* **[[https:// | * **[[https:// | ||
+ | * https:// | ||
===Remise spéciale Education=== | ===Remise spéciale Education=== | ||
* **[[https:// | * **[[https:// | ||
- | =====Benchmark===== | ||
- | * https:// | ||
- | ====Bilan==== | ||
- | **Je suis un chercheur compétitif, | ||
- | ===== Test ===== | + | ===Pour une startup fortunée=== |
- | ====Test simple sur une image==== | + | |
- | | + | |
- | | + | * **[[https:// |
- | ====Test sur le jeu d' | + | |
- | Et le script show_letters.py. Il faut copier les fichiers: | + | |
- | * darknet.py | + | |
- | | + | |
- | des sources compilées de darknet dans le dossier darknet de letters. | + | |
- | Créer les images de json_to_image avec l' | + | ===Juin 2020=== |
+ | * **[[https:// | ||
- | Il n'y a que 10 canaux midi au maximum possibles. | + | * 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. 700€ | ||
+ | * 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. 1200€ | ||
+ | * 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, | ||
=====Morale du jour===== | =====Morale du jour===== | ||
Ligne 361: | Ligne 357: | ||
**Mais, en ce qui concerne l' | **Mais, en ce qui concerne l' | ||
- | {{tag> ia sb bge}} | + | {{tag> ia sb bge yolo_darknet deap_learning}} |
darknet_letters.txt · Dernière modification : 2020/12/27 15:11 de serge