文書の過去の版を表示しています。
MediaPipeに利用するモデルの学習について
2023年5月10のカンファレンス発表でMediaPipeが大きく進化しました.それに伴いカスタムモデルの作成等の情報がpreviewとして公開されています.一部ノウハウやバージョン情報が少なかったりで知見が必要だったのでこのページに忘備録代わりにまとめます.
最初の環境構築
image classificationやobject detection等のモデル学習に先立ち共通した環境構築が必要です.
- 動作環境:Linux, Windows(未検証), *macOSは対象外(model makerとかでインストールエラーになる)
馬場の環境は
- Linux Ubuntu 16.04
- cuda toolkit : 11.3
- card: geforce gtx 1080ti
となります.いい加減環境が古いのですが,まだ大丈夫でした.新しいマシンがほしいです.colabに移行もあるかも.
tensorflow on cpu
- anaconda のインストール
- condaで環境構築
- conda create -n mediapipe python=3.9
- conda activate
- pip install –upgrade pip
- pip install tensoflow
- pip install mediapipe
- pip install mediapipe-model-maker
tensorlow on gpu
gpuで動作される場合,tensorflowはversion2より,tensorflow-gpuが廃止されていることに注意する.このページ(https://www.tensorflow.org/install/pip?hl=ja)にしたがってgpu対応のtensorflowにしておく. cudatoolkitのメジャーバージョンはシステムにインストールしているcudatoolkitと互換を取らないといけない.例えばシステムがv10に対してv11をcondaでインストールすると,insufficient なるメッセージでシステムのドライバがバージョン互換が保てなくて,インストール等はうまくいくが,実行時にエラーとなる.
- anaconda のインストール
- condaで環境構築
- conda create -n mediapipe python=3.9
- conda activate
- conda install -c conda-forge cudatoolkit=11.8.0
- python3 -m pip install nvidia-cudnn-cu11==8.6.0.163 tensorflow==2.12.*
- mkdir -p $CONDA_PREFIX/etc/conda/activate.d
- echo 'CUDNN_PATH=$(dirname $(python -c “import nvidia.cudnn;print(nvidia.cudnn.file)”))' » $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
- echo 'export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/:$CUDNN_PATH/lib' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
- source $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
- python3 -c “import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))”
- pip install –upgrade pip
- pip install tensoflow
- pip install mediapipe
- pip install mediapipe-model-maker
Object Detection
物体検出の学習は以下のページがメインリソース
colaoを利用しない場合はその部分は削除してOK.あとはウェブサイトに示されている手順どおり.うまくいくとモデルが完成するので,出来上がったモデルを試すページは以下