![[PukiWiki]](image/pukiwiki.png "[PukiWiki]")
下に書いてある通り，Windows-WSL2-PyTorch-JetBrainsToolbox-PyCharmで深層学習を行うのがいいような気がします(GPU実行環境整備とpythonモジュールのバージョン管理がいい？）．そもそもで，Windows-WSL2ではなく，Ubuntuでいいと思うので，将来的には，Ubuntuに移行予定ですし，多分，Dockerを利用することになると思います（ときどき，wordやexcelを使うことがあるので，その際はどうしたらいいのか？）．
どうやらWSL2+PyTorchは安定している．少なくとも，detectron2は，今のところ動いている．（WSLは250GB以上に割り当てできないのか？）
部分領域を指定（マスクやアノテーション）する際に使用する．
PythonのPillowモジュールがいいのかも
CycleGAN（特別な使い方ですが）や物体検出系の深層学習モデルで使用する際に
ここで大事なのは，後々の深層学習モデルで指定されるのはRGBモードかパレットモードか？
python C:\Users\d18036\Desktop\labelme-main\examples\instance_segmentation\labelme2coco.py "C:\Users\d18036\Desktop\hodoukyou2023\hodoukyou-iroiro\kiritori-rear\test" "C:\Users\d18036\Desktop\hodoukyou2023\hodoukyou-iroiro\kiritori-rear\kiritori-henkan3" --labels "C:\Users\d18036\Desktop\hodoukyou2023\labels.txt"~
転移学習のプログラムができた．
(いまのところ回帰のプログラム.)
ここのtqdmとかのブランチにある以下のファイル．
画像データセットと属性ファイルをTraining-Validation，Testに分けるプログラムができた．
(なぜ，Training-Validation，Testかというと，K-foldを使用前提）
jupyter nbconvert --to script input_file.ipynb
Roboflow could be versatile and useful.
pix2pixとCycleGANは，Pytorch系のこのプログラムを使います．
python train.py --dataroot ./datasets/yellow2brown/ --name yellow2brown7 --model cycle_gan --gpu_ids 1 --n_epochs 200 --lr 0.0005 python train.py --dataroot ./datasets/yellow2brown/ --name yellow2brown7 --model cycle_gan --gpu_ids 1
マスク適用
python train_mask.py --dataroot ./datasets/yellow2brown_mask_new/ --name yellow2brown_mask_new3 --model cycle_gan_mask --gpu_ids 1 --n_epochs 200 --lr 0.0005 --mask_weight 1 --dataset_mode unalignedmask
python test.py --dataroot ./datasets/yellow2brown_mask --name yellow2brown_mask150 --model cycle_gan --epoch 150 --gpu_ids 1
ここで、
Train/Test Tips 日本語
