We are currently conducting deep learning in our lab using Windows-WSL2-Ubuntu20.02-(Xfce4)-Miniconda-pip-PyTorch-JetBrainsToolbox-PyCharm, as it provides a good GPU execution environment and version management for Python modules. However, we are considering switching to Ubuntu in the future, as it seems more appropriate than Windows-WSL2. We also anticipate using Docker. Occasionally, we need to use Word or Excel, so we're wondering how to manage that (Can Excel and Word be used on Linux?). Could you please advise?

Artificial Intelligence Execution Environment

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?そんなことはないようです.こんな方法も.resize2fsコマンドを使用)

labelme

抽出したい部分領域を指定(マスクやアノテーション,ラベリング)したい際などに使用する.
そこから学習データとして画像で扱うならば,RGBモード,Palleteモードが関わる(変換が必要な)ときがあり,その際はPythonのPillowモジュールの利用がいいのかも?見た目ではモードの違いは分からない。(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?

EfficientNet-Pytorch

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)

ipynb to py

jupyter nbconvert --to script input_file.ipynb

Generative Image Inpainting

Roboflow could be versatile and useful.

大規模データセット***

GAN

pix2pixとCycleGANは,PyTorch系のこのプログラムを使います.

CycleGAN

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 train_mask.py --dataroot ./datasets/yellow2brown_cut_mask/ --name yellow2brown_cut_mask_weight_3_norm --model cycle_gan_mask_norm --gpu_ids 0 --n_epochs 100 --mask_weight 3 --dataset_mode unalignedmask --load_size 256 --preprocess resize

python test.py --dataroot ./datasets/yellow2brown_mask --name yellow2brown_mask150 --model cycle_gan --epoch 150 --gpu_ids 1

python test.py --dataroot ./datasets/yellow2brown_cut_mask --name yellow2brown_cut_mask_weight_0t1_norm  --model cycle_gan_mask_norm_test --epoch 5 --gpu_ids 0 --phase test

ここで、

Train/Test Tips 日本語
dataset例
dataset2.jpg

deep sort

測量研究室-愛知工業大学工学部土木工学科(Survey Lab., AIT)


トップ   新規 一覧 検索 最終更新   ヘルプ   最終更新のRSS