- 이성빈 https://github.com/Noah-irooom
- 장두혁 https://github.com/justin95214/
- 최세현 https://github.com/syncdoth/
2 Major Tasks:
- Pneumonia Detection
- Pneumonia Type Classification
- Multi-GPU 코드 개선
코랩환경 참고 부분
https://colab.research.google.com/drive/1FCkzeWjFsjxdh0PZbmBGfveirXL-0739?usp=sharing
https://colab.research.google.com/drive/1FCkzeWjFsjxdh0PZbmBGfveirXL-0739?usp=sharing
코랩에서 /home/server/duhyeuk 부분이 /content/data_server 였나... ()
코랩에서는 tensorflow-gpu를 아래와같은 버전을 설치해주셔야합니다.
(Colab에서 돌아가는 것을 확인함)
!pip install tensorflow-gpu=2.3.0- retinanet-keras 폴더를 찾아서,
그림과 같이 경로를 들어간다. 경로를 들어가는 방법은 "cd(스페이스바) 폴더명" 으로 하시면됩니다.
-
class명을 적힌 csv파일과 Annotation format의 csv파일을 준비한다.
-
아래의 teminal창에 아래와 같은 명령어를 작성한다.
class명을 적은 csv
Annotation format의 csv
python train.py --gpu=0 --steps=1000 -workers=0 Annotation format의 csv class명을 적은 csv
(파일명을 적을땐 항상 파일이 있는 경로를 명시해줘야합니다.)
1. Annotation csv파일은 항상 /home/server/duhyeuk/ 경로에 있음
2. class명의 csv파일은 항상 /home/server/duhyeuk/class/meta/ 경로에 있음
3/27일 기준으로~
현재 쓰는 파일은 /home/server/duhyeuk/meta_ver6.csv 과 /home/server/duhyeuk/class/meta/mappingclass_3class.csv 이 사용됩니다.
나머지는 epochs와 steps, workers는 학습하실 때 조정하시면 됩니다.
그러면 각 스텝마다 h5 모델을 저장하게된다.
- 학습한 모델을 Inference 할 수있게 변환한다
- Inference 한다
변환하는 과정
python keras_retinanet/bin/convert_model.py ../snapshots/resnet50_csv_02.h5 ../snapshots/resnet50_csv_10_infer.h5
학습 과정에 train.py파일이 있는 경로상태에서 conver_model.py 파일을 실행시킨다.
실행시키는 방법을 위에 처럼 하면되는데
이 순서 >> 명령어python py파일명 변환시킬모델h5 변환된모델h5(작명)
변환된모델h5(작명) 에 변환된 모델이 생기는데 이것을 쓰면 됩니다.
추론하는 과정
경로를 /home/server/duhyeuk/ 으로 가시면
model_path 부분에 생성한 모델을 경로와 같이 입력해주시고,
만약에 class명의 csv과 동일하게 labels_to_names 부분을 그림과같은 규칙대로 작성
추론할 이미지도 작은 따옴표안에 경로와 같이 입력해주시고 파일을 저장뒤에 아래와같은 명령어로 실행시켜주시면 됩니다.
python retinanet_test.py
python [evaluate.py](http://evaluate.py/) --backbone=resnet101 csv ~/O-E-E/duhyeuk/meta-handmade-test.csv ./meta/mappingclass_3class.csv ~/O-E-E/sehyun/snapshots/un_PN_infer_res101_ep25.h5 --gpu=1 —-use_tc=True