Tensorflow v2.3 Object Detection API fine tuning (4)

12.이미지 학습

이 부분은 선택사항이지만 제 컴퓨터가 그렇게 좋지 않기 때문에 저는 Google Colab을 사용하도록 하겠습니다.
Google Drive에 파일을 올려야하는데 압축된 파일을 올리고 colab에서 압축을 해제하는게 빠르기 때문에 압축시켜서 올리겠습니다.

models/research 폴더로 가서 object_detection 폴더를 압축합니다.

저는 Pororo라는 폴더를 만들고 zip파일을 올리겠습니다.

Google Colab

제일먼저 런타임을 GPU로 변경해주시고 시작하시면 됩니다.

# 구글 드라이브 마운트
from google.colab import drive
drive.mount('/content/drive')

# 압축 해제 -> google drive Pororo폴더에 가보면 잘 해제가 되어있는것을 확인할 수 있습니다.
!unzip '/content/drive/My Drive/Pororo/object_detection.zip' -d '/content/drive/My Drive/Pororo'

# package install
!pip install tf-models-official
!pip install tf_slim
!pip install lvis

# 현재위치 변경
%cd /content/drive/My Drive/Pororo/object_detection


# 학습 시작
!python model_main_tf2.py --pipeline_config_path=training/ssd_efficientdet_d0_512x512_coco17_tpu-8.config --model_dir=training --alsologtostderr

학습 진행중

~

 

colab은 액션이 없으면 세션을 끊어버려서 오래 학습하고 싶은분은 colab 학습 유지방법을 참고하시면 됩니다.

step이 20000정도 됐을때 실행되고있는 셀에 정지를 눌러서 정지시켰습니다.

13. 학습된 모델, 체크포인트 저장

!python exporter_main_v2.py --trained_checkpoint_dir=training --pipeline_config_path=training/ssd_efficientdet_d0_512x512_coco17_tpu-8.config --output_directory inference_graph

잘 완료가 되면 object_detection 폴더에 inference_graph 폴더가 생깁니다.

inference_graph 폴더만 다운로드해서 로컬의 research/object_detection 폴더에 압축을 풉니다.