Giters

techzzt / videonarrative

Geek Repo:Geek Repo

Github PK Tool:Github PK Tool

2021 한국어 질의응답 AI 경진대회 - Baseline 코드 안내

환경설정

❗ 1. 원천데이터와 라벨링 데이터 구조는 [데이터 구조]와 같다고 가정한다.
  1. 모든 명령은 baseline_code 폴더 아래에서 실행한다.

[데이터 구조]

Train 데이터

{사용자 지정 경로}/raw_data/train/원천데이터
	ㄴ예능교양
		ㄴ 대본X
		ㄴ 대본O
	ㄴ스포츠
		ㄴ 대본X
	ㄴ생활안전
		ㄴ 대본X
		ㄴ 대본O

{사용자 지정 경로}/raw_data/train/라벨링데이터
	ㄴ예능교양
		ㄴ 대본X
		ㄴ 대본O
	ㄴ스포츠
		ㄴ 대본X
	ㄴ생활안전
		ㄴ 대본X
		ㄴ 대본O

Test 데이터

{사용자 지정 경로}/raw_data/test/원천데이터
	ㄴ예능교양
		ㄴ 대본X
		ㄴ 대본O
	ㄴ스포츠
		ㄴ 대본X
	ㄴ생활안전
		ㄴ 대본X
		ㄴ 대본O

{사용자 지정 경로}/raw_data/test/라벨링데이터
	ㄴ예능교양
		ㄴ 대본X
		ㄴ 대본O
	ㄴ스포츠
		ㄴ 대본X
	ㄴ생활안전
		ㄴ 대본X
		ㄴ 대본O

공통

** {사용자 지정 data경로} 는 data의 '원천데이터' 혹은 '라벨링데이터' 상위경로까지만 작성한다.

ex. data 위치 경로가 "/home/data/원천데이터 혹은 라벨링데이터"일 경우

명령어는 아래와 같다.

# 테스트 language-feature 추출
python3 preprocess/preprocess_questions.py --dataset video-narr --glove_pt /{사용자 지정 경로}/word-embeddings/glove/glove.korean.pkl --mode test --video_dir /home/data

0. 사전 준비사항

Raw data 혹은 feature 파일 다운로드

아래 클릭하여 다운로드 featrue data와 vocab.json은 "baseline_code/data/video-narr/"에 업로드해주세요.

한국어 Embedding (glove.korean.pkl 파일) 다운로드

아래 클릭하여 다운로드 후, 원하시는 경로에 저장해주세요. 이후, 해당 경로를 preprocess --glove_pt argument에 명시해주세요.

Video Feature 추출에 필요한 모듈(resnet, resnext binary 파일) 다운로드

아래 클릭하여 다운로드 후, "baseline_code/data/preprocess/pretrained/"경로에 업로드해주세요.

리눅스 한글 세팅

[출처] : https://epicarts.tistory.com/30 [일상 생활]

  • 1 - 한글 언어팩 설치

    apt-get isntall language-pack-ko

  • 2 - locale 생성

    locale gen ko.KR.UTF-8

  • 3 - locale 설정

    • 3-1 locale 파일 open

      vim /etc/default/locale

    • 3-2 LANG option 추가 입력 (en_US.UTF-8 의 경우 입력되어 있으면 입력할 필요 없음)

      LANG=en_US.UTF-8
LANG=ko_KR.UTF-8

  • 4 - environment 설정

    • 4-1 environment 파일 open

      vim /etc/environment

    • 4-2 LANG option 추가 입력

      LANG=ko_KR.UTF8
LANGUAGE=ko_KR:ko:en_GB:en

  • 5 - 폰트 설치

    apt-get install fonts-nanum*

  • 6 - 재부팅

    reboot / init 6

한국어 NLP를 위한 형태소 분석기 Mecab 설치

[출처] : https://i-am-eden.tistory.com/9

  • 1 - JDK 설치

    sudo apt-get install openjdk-8-jdk python-dev 
sudo apt-get install python3-dev

  • 2 - KoNLPy 설치

    pip3 install konlpy

  • 3 - Mecab 설치

    wget https://bitbucket.org/eunjeon/mecab-ko/downloads/mecab-0.996-ko-0.9.2.tar.gz
tar -zxvf mecab-*-ko-*.tar.gz

cd mecab-0.996-ko-0.9.2/
./configure
make
make check
sudo make install

  • 4 - Mecab-ko-dic 사전 설치

    wget https://bitbucket.org/eunjeon/mecab-ko-dic/downloads/mecab-ko-dic-2.0.1-20150920.tar.gz
tar -zxvf mecab-ko-dic-2.0.1-20150920.tar.gz
cd mecab-ko-dic-2.0.1-20150920/
./autogen.sh
./configure
make
sudo make install
cd ..
    git clone https://bitbucket.org/eunjeon/mecab-python-0.996.git
cd mecab-python-0.996/
python3 setup.py build
python3 setup.py install
cd ..
pwd

필요한 라이브러리 설치

requirements.txt 설치

../baseline_code$ pip3 install -r requirements.txt

ffmpeg 설치

pip3 install ffmpeg

1. feature 추출 진행

  1. 학습 language feature 추출 명령어
python3 preprocess/preprocess_questions.py --dataset video-narr --glove_pt /{사용자 지정 경로}/word-embeddings/glove/glove.korean.pkl --mode train --video_dir {비디오경로}
📌 해당 language feature 추출 진행 시, 학습 데이터셋의 10%는 검증 데이터로 사용되어 위의 학습 language feature 추출 명령어 진행시, train_questions.pt, val_questions.pt 2 파일이 저장된다.

e.g) 학습 데이터셋 : 100개 실제 학습 데이터셋 : 90개 검증 데이터 : 10개

  1. video feature 추출 진행

    📌 위에서 feature data를 받은 경우 이 과정은 skip 가능

    (1) video appearance feature 추출 명령어

    python3 preprocess/preprocess_features.py --gpu_id 0 --dataset video-narr --model resnet101 --video_dir {비디오경로}

    (2) video motion feature 추출 명령어

    python3 preprocess/preprocess_features.py --gpu_id 0 --dataset video-narr --model resnext101 --image_height 112 --image_width 112 --video_dir {video 경로}

2. Data Load

  • vocab, question 데이터 로드
# DataLoader.py
print('loading vocab from %s' % (vocab_json_path))
vocab = load_vocab(vocab_json_path)

question_pt_path = str(kwargs.pop('question_pt'))
print('loading questions from %s' % (question_pt_path))
question_type = kwargs.pop('question_type')
with open(question_pt_path, 'rb') as f:
    obj = pickle.load(f)
    questions = obj['questions']
    questions_len = obj['questions_len']
    video_ids = obj['video_ids']
    q_ids = obj['question_id']
    answers = obj['answers']
    glove_matrix = obj['glove']
    ans_candidates = np.zeros(5)
    ans_candidates_len = np.zeros(5)
    if question_type in ['action', 'transition','none']:
        ans_candidates = obj['ans_candidates']
        ans_candidates_len = obj['ans_candidates_len']
  • video feature 데이터 로드
# DataLoader.py
print('loading appearance feature from %s' % (kwargs['appearance_feat']))
with h5py.File(kwargs['appearance_feat'], 'r') as app_features_file:
    app_video_ids = app_features_file['ids'][()]
app_feat_id_to_index = {str(id): i for i, id in enumerate(app_video_ids)}
print('loading motion feature from %s' % (kwargs['motion_feat']))
with h5py.File(kwargs['motion_feat'], 'r') as motion_features_file:
    motion_video_ids = motion_features_file['ids'][()]
motion_feat_id_to_index = {str(id): i for i, id in enumerate(motion_video_ids)}
self.app_feature_h5 = kwargs.pop('appearance_feat')
self.motion_feature_h5 = kwargs.pop('motion_feat')

3. 학습 진행

  • 학습 데이터 Load
# train.py
train_loader = VideoQADataLoader(**train_loader_kwargs)
logging.info("number of train instances: {}".format(len(train_loader.dataset)))
logging.info("question type of VideoQADataLoader: {}".format(train_loader.dataset.question_type))
  • 학습 관련 parameter 설정 yaml
# configs/video_narr.yaml
gpu_id: 0
multi_gpus: True
num_workers: 2
seed: 666
exp_name: 'expVIDEO-NARR'

train:
  lr: 0.0001
  batch_size: 32
  restore: False
  max_epochs: 25
  word_dim: 100 #300
  module_dim: 512
  glove: True
  k_max_frame_level: 16
  k_max_clip_level: 8
  spl_resolution: 1

val:
  flag: True

test:
  test_num: 0
  write_preds: True

dataset:
  name: 'video-narr'
  question_type: 'none'
  data_dir: 'data/video-narr'
  save_dir: 'results/'
  • 학습 진행 명령어 → 1 epoch 마다 10% 데이터로 학습 모델 검증도 진행됨.
	python3 train.py --cfg configs/video_narr.yml

📌 상기 yaml 설정 하에서 V100 GPU 2장을 사용하여 학습시 4시간 여 시간 소요

4. 검증 진행

python3 validate.py --cfg configs/video_narr.yml

About

Languages

Language:Python 100.0%