Outils pour utilisateurs
darknet_letters
Différences
Ci-dessous, les différences entre deux révisions de la page.
| Les deux révisions précédentes Révision précédente Prochaine révision | Révision précédente | ||
|
darknet_letters [2019/12/04 13:29] serge [Darknet Letters] |
darknet_letters [2020/06/20 09:05] (Version actuelle) serge [Quels matériels pour un apprentissage rapide ?] |
||
|---|---|---|---|
| Ligne 4: | Ligne 4: | ||
| </WRAP> | </WRAP> | ||
| <WRAP center round box 80% centeralign> | <WRAP center round box 80% centeralign> | ||
| - | {{::2019_08:shot_22.png?400|}} {{:2019_08:shot_17.png?400|}} | + | {{media_02:shot_22.png?400|}} {{media_02:shot_17.png?400|}} |
| Le fond noir ne convient pas, il faut une video ! | Le fond noir ne convient pas, il faut une video ! | ||
| </WRAP> | </WRAP> | ||
| - | <WRAP center round box 60% centeralign> | + | <WRAP center round box 60%> |
| - | **De l'Intelligence Artificielle pour reconnaître des lettres dans différentes polices, convertir les lettres d'un texte en musique midi.** | + | * **De l'Intelligence Artificielle pour reconnaître des lettres dans différentes polices** |
| + | * **Créer des images correspondant à une musique midi** | ||
| + | * **Lecture des images par l'Intelligence Artificielle et rejouer le midi** | ||
| </WRAP> | </WRAP> | ||
| {{ vimeo>377284950?medium }} | {{ vimeo>377284950?medium }} | ||
| \\ \\ | \\ \\ | ||
| - | **[[darknet_letters_essais|Darknet Letters Tous les essais]]**\\ \\ | + | **[[darknet_letters_essais|Darknet Letters Tous les essais]]** |
| + | |||
| + | **[[https://github.com/sergeLabo/darknet-letters|darknet-letters sur Github]]**\\ \\ | ||
| ===== 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'avoir des cartes graphiques puissantes, et chères ! | ||
| + | * 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'agrandir les images. Passer de 416x416 à 832x832 ! | ||
| ==== Conclusion des différents apprentissages ==== | ==== Conclusion des différents apprentissages ==== | ||
| <WRAP group> | <WRAP group> | ||
| <WRAP half column> | <WRAP half column> | ||
| - | * **380 objets** | + | * **Suppression des majuscules pour diminuer le nombre d'ojects de 380 à 190** |
| + | * **Le modèle yolov3.cfg est trop lourd, le yolov3-tiny_3l.cfg suffit** | ||
| * **Images de 416x416** | * **Images de 416x416** | ||
| * **1 à 2 jours d'apprentissage** | * **1 à 2 jours d'apprentissage** | ||
| Ligne 40: | Ligne 49: | ||
| **Créer et testé sur Debian Buster 10** | **Créer et testé sur Debian Buster 10** | ||
| - | {{:2019_08:letters_1.png?300|Le jeu}} | + | {{media_02:letters_1.png?300|Le jeu}} |
| - | {{::shot_12.png?300|Avec un fond video}} | + | {{media_03:shot_12.png?300|Avec un fond video}} |
| - | {{:2019_08:letters_3.png?300|Avec un fond noir: la reconnaissance est très mauvaise}} | + | {{media_02:letters_3.png?300|Avec un fond noir: la reconnaissance est très mauvaise}} |
| ====Conversion d'un fichier *.midi en *.json==== | ====Conversion d'un fichier *.midi en *.json==== | ||
| Ligne 99: | Ligne 108: | ||
| <code txt> | <code txt> | ||
| - | 1 - Retour au logo | + | 1 - Lancement de letters |
| - | 2 - 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 |
| - | 5 - Conversion d'une musique en image | + | |
| H - Help | H - Help | ||
| R - Reset | R - Reset | ||
| Ligne 110: | Ligne 117: | ||
| </code> | </code> | ||
| - | En 2: Les fichiers du dossier /json seront jouées. | + | En 1: Les fichiers du dossier /json_60 seront jouées. |
| - | En 3: Pour l'apprentissage, le fichier json/get_shot.json sera utilisé. Il a été construit avec darknet-letters/letters/midi/json_for_get_shot.py | + | En 2: Pour l'apprentissage, le fichier json/get_shot.json sera utilisé. Il a été construit avec darknet-letters/letters/midi/json_for_get_shot.py |
| - | En 4: Les fichiers midi sont traduits en json pour être facilement utilisé en python. Malheureusement, la conversion dans le Blender Game Engine est très lente, plusieurs heures au lieu de quelques minutes avec le script analyse_play_midi.py | + | En 3: Crée un jeu d'images pour ensuite tester l'IA avec play_letters.py |
| - | + | ||
| - | En 5: Crée un jeu d'images pour ensuite tester l'IA avec show_letters.py | + | |
| ===== Création du set d'images pour l'apprentissage ===== | ===== Création du set d'images pour l'apprentissage ===== | ||
| Ligne 134: | Ligne 139: | ||
| Avec le script **./letters/control/control.py** | Avec le script **./letters/control/control.py** | ||
| - | {{ ::shot_14.jpg?400 |}} | + | {{ media_03:shot_14.jpg?400 |}} |
| ===== Yolo V3 Darknet===== | ===== Yolo V3 Darknet===== | ||
| Ligne 263: | Ligne 268: | ||
| ./darknet detector train data_12/obj.data data_12/yolov3-tiny_12.cfg data_12/yolov3-tiny.conv.15 -map | ./darknet detector train data_12/obj.data data_12/yolov3-tiny_12.cfg data_12/yolov3-tiny.conv.15 -map | ||
| | | ||
| - | Le fichier yolov3-tiny_12_best.weights fait Mo | + | Le fichier yolov3-tiny_12_best.weights fait 38 Mo. Malheureusement, ça plante ! |
| =====Tous les essais===== | =====Tous les essais===== | ||
| * **[[darknet_letters_essais|Tous les essais sur cette page]]** | * **[[darknet_letters_essais|Tous les essais sur cette page]]** | ||
| Ligne 314: | Ligne 319: | ||
| **6 mois de calcul = 150 €** | **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://timdettmers.com/2019/04/03/which-gpu-for-deep-learning/|timdettmers.com]]** Which GPU(s) to Get for Deep Learning | * **[[https://timdettmers.com/2019/04/03/which-gpu-for-deep-learning/|timdettmers.com]]** Which GPU(s) to Get for Deep Learning | ||
| * **[[https://www.quora.com/What-is-currently-the-best-GPU-for-deep-learning|www.quora.com]]** avec un graphique qui teste alexnet (yolo ?) conseille [[https://www.amazon.fr/MSI-GTX-1080-Graphique-GeForce/dp/B06XT3TVKP/ref=sr_1_4?keywords=gtx+1080+ti&qid=1569416932&s=gateway&sr=8-4|une GTX 1080 Ti]] à 750€ (en fin de série) ou [[https://www.ldlc.com/fiche/PB00263052.html|une RTX 2080 Ti 11GB]] à 1100€. | * **[[https://www.quora.com/What-is-currently-the-best-GPU-for-deep-learning|www.quora.com]]** avec un graphique qui teste alexnet (yolo ?) conseille [[https://www.amazon.fr/MSI-GTX-1080-Graphique-GeForce/dp/B06XT3TVKP/ref=sr_1_4?keywords=gtx+1080+ti&qid=1569416932&s=gateway&sr=8-4|une GTX 1080 Ti]] à 750€ (en fin de série) ou [[https://www.ldlc.com/fiche/PB00263052.html|une RTX 2080 Ti 11GB]] à 1100€. | ||
| Ligne 322: | Ligne 325: | ||
| * **[[https://blog.slavv.com/picking-a-gpu-for-deep-learning-3d4795c273b9|slavv.com/]]** Picking a GPU for Deep Learning | * **[[https://blog.slavv.com/picking-a-gpu-for-deep-learning-3d4795c273b9|slavv.com/]]** Picking a GPU for Deep Learning | ||
| * **[[https://hackernoon.com/how-to-create-your-own-deep-learning-rig-a-complete-hardware-guide-7cdc71e174aa|hackernoon.com]]** How to create your own deep learning rig: A complete hardware guide | * **[[https://hackernoon.com/how-to-create-your-own-deep-learning-rig-a-complete-hardware-guide-7cdc71e174aa|hackernoon.com]]** How to create your own deep learning rig: A complete hardware guide | ||
| + | * https://www.tooploox.com/blog/deep-learning-with-gpu sur alexnet | ||
| ===Remise spéciale Education=== | ===Remise spéciale Education=== | ||
| * **[[https://www.nvidia.com/fr-fr/titan/titan-rtx/|NVIDIA TITAN RTX]]** 20% de remise sur 2720€ soit €2,159.20 | * **[[https://www.nvidia.com/fr-fr/titan/titan-rtx/|NVIDIA TITAN RTX]]** 20% de remise sur 2720€ soit €2,159.20 | ||
| + | |||
| + | ===Pour une startup fortunée=== | ||
| + | * **[[https://www.microway.com/preconfiguredsystems/whisperstation-deep-learning/| WhisperStation™- Deep Learning Ultra-Quiet Computing for Deep Learning Researchers]]** System Price: $11,265 to $40,047 | ||
| + | * **[[https://www.microway.com/preconfiguredsystems/nvidia-dgx-station-deep-learning-workstation/|NVIDIA DGX Station for Deep Learning System]]** Price: $51,861 (academic pricing, includes 1 year support) to $73,830 (commercial, includes 1 year support) | ||
| + | * **[[https://www.microway.com/preconfiguredsystems/gpu-accelerated-workstation-cst-studio-suite/|Microway’s GPU-Accelerated Workstation for CST STUDIO SUITE®]]** System Price: $15,000 to $45,000 | ||
| + | |||
| + | ===Juin 2020=== | ||
| + | * **[[https://lambdalabs.com/blog/choosing-a-gpu-for-deep-learning/|Choosing the Best GPU for Deep Learning in 2020]]** | ||
| + | |||
| + | * 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, but don't have budget for the future-proofing available with the RTX 8000. 4000€ | ||
| + | * 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===== | =====Benchmark===== | ||
| * https://github.com/ryujaehun/pytorch-gpu-benchmark | * https://github.com/ryujaehun/pytorch-gpu-benchmark | ||
darknet_letters.1575462584.txt.gz · Dernière modification: 2019/12/04 13:29 par serge
Outils de la page
Sauf mention contraire, le contenu de ce wiki est placé sous les termes de la licence suivante : CC Attribution-Share Alike 4.0 International
