Detector
Предисловие:
нашел библиотеку довольно свежую lightning-flash на основое pytorch-lightning. Удобна в использовании, но тяжела в установке для обучения на гпу, так как много различных зависимостей
Основная часть
- Создать окружение из yaml, используя miniconda/anaconda
- запустить обучение либо скриптом, либо в юпитер ноутбуке
- подключить тензорборд командой tensorboard --lightning-logs
- после обучение модель будет сохранена, также в логах можно найти сохраненные чекпоинты
- с этим же окружением запустить detector.py и отправить команду
from pathlib import Path
import requests
with open("coco128/images/train2017/000000000626.jpg","rb") as f:
imgstr = base64.b64encode(f.read()).decode("UTF-8")
body = {"session": "UUID", "payload": {'inputs': {'data': imgstr}}}
resp = requests.post("http://127.0.0.1:8000/predict", json=body)
print(resp.json)
- Докер поднимается, но скрипт не хочет отрабатывать, причину пытался выяснить 2 дня, ничего не помогло.
Выбранная метрика Mean Avarage Precision: классическая метрика для такой задачи, сразу видно какая точность или полнота нужна(какой порог выставлять), на paperwithcode служит бенчмарком моделей.
Заключение
Этой задачей попробовал несколько новых инструментов, которые в дальнейшем буду использовать в различных целях