인프런 커뮤니티 질문&답변

빠른 답신 감사합니다. ^^

참. 이와는 별개로 오늘 코랩에서 테스트를 하는데, 코랩 파이토치 환경이 2.0으로 변경되었던데 그 이후로 mmcv가 설치시 아래와 같이 진행이 안되는데.. 바쁘시겟지만 이것도 한번 확인 부탁드립니다.

import torch
print(torch.__version__)

2.0.0+cu118

아래는 제가 사용한 train 용 코드와 inference 용 코드입니다.

trian은 선생님 강의에서 balloon maskrcnn train 코드를 일부 발췌해서 코랩에서 진행햇습니다.

훈련용 코드인데,, 코랩 파일을 다시 붙여서 올리다 보니.. 이점 양해부탁드립니다. ^

======================

config_file = '/content/mmdetection/configs/mask_rcnn/mask_rcnn_r101_fpn_1x_coco.py'
checkpoint_file = '/content/mmdetection/checkpoints/mask_rcnn_r101_fpn_1x_coco_20200204-1efe0ed5.pth'

from mmdet.datasets.builder import DATASETS
from mmdet.datasets.coco import CocoDataset

@DATASETS.register_module(force=True)
class AlgaeDataset(CocoDataset):
      CLASSES = ('microcystis', 'anabaena', 'oscillatoria', 'aphanizomenon',
                 'synedra', 'aulacoseira', 'fragilaria', 'pediastrum',
                 'staurastrum', 'eudorina', 'asterionella')



from mmcv import Config

cfg = Config.fromfile(config_file)
print(cfg.pretty_text)

from mmdet.apis import set_random_seed

# dataset에 대한 환경 파라미터 수정. 
cfg.dataset_type = 'AlgaeDataset'
cfg.data_root = '/content/drive/MyDrive/AlgaeDB/'

# train, val, test dataset에 대한 type, data_root, ann_file, img_prefix 환경 파라미터 수정. 
cfg.data.train.type = 'AlgaeDataset'
cfg.data.train.data_root = '/content/drive/MyDrive/AlgaeDB/'
cfg.data.train.ann_file = 'train.json'
cfg.data.train.img_prefix = 'train'

cfg.data.val.type = 'AlgaeDataset'
cfg.data.val.data_root = '/content/drive/MyDrive/AlgaeDB/'
cfg.data.val.ann_file = 'val.json'
cfg.data.val.img_prefix = 'val'



# class의 갯수 수정. 
cfg.model.roi_head.bbox_head.num_classes = 11
cfg.model.roi_head.mask_head.num_classes = 11

# pretrained 모델
cfg.load_from = '/content/mmdetection/checkpoints/mask_rcnn_r101_fpn_1x_coco_20200204-1efe0ed5.pth'

# 학습 weight 파일로 로그를 저장하기 위한 디렉토리 설정. 
cfg.work_dir = '/content/drive/MyDrive/AlgaeDB/Output'

# 학습율 변경 환경 파라미터 설정. 
#cfg.optimizer.lr = 0.02 / 8
cfg.auto_scale_lr.enable=True #dict(enable=False, base_batch_size=16)
cfg.lr_config.warmup = None
cfg.log_config.interval = 10

# CocoDataset의 경우 metric을 bbox로 설정해야 함.(mAP아님. bbox로 설정하면 mAP를 iou threshold를 0.5 ~ 0.95까지 변경하면서 측정)
cfg.evaluation.metric = ['bbox', 'segm']
#cfg.evaluation.interval = 12
#cfg.checkpoint_config.interval = 12

# 평가 metric 수행할 epoch interval 설정.
cfg.evaluation.interval = 10
# 학습 iteration시마다 모델을 저장할 epoch interval 설정. 
cfg.checkpoint_config.interval = 10

# epochs 횟수는 36으로 증가 
cfg.runner.max_epochs = 10

# 학습 시 Batch size 설정(단일 GPU 별 Batch size로 설정됨)
cfg.data.workers_per_gpu = 1
cfg.data.samples_per_gpu = 5

# 두번 config를 로드하면 lr_config의 policy가 사라지는 오류로 인하여 설정. 
cfg.lr_config.policy='step'
# Set seed thus the results are more reproducible
cfg.seed = 0
set_random_seed(0, deterministic=False)
cfg.gpu_ids = range(1)

# ConfigDict' object has no attribute 'device 오류 발생시 반드시 설정 필요. https://github.com/open-mmlab/mmdetection/issues/7901
cfg.device='cuda'



from mmdet.datasets import build_dataset
from mmdet.models import build_detector
from mmdet.apis import train_detector

# train용 Dataset 생성. 
datasets = [build_dataset(cfg.data.train)]

model = build_detector(cfg.model, train_cfg=cfg.get('train_cfg'), test_cfg=cfg.get('test_cfg'))
model.CLASSES = datasets[0].CLASSES
print(model.CLASSES)

import os.path as osp
mmcv.mkdir_or_exist(osp.abspath(cfg.work_dir))
# epochs는 config의 runner 파라미터로 지정됨. 기본 12회 
train_detector(model, datasets, cfg, distributed=False, validate=True)


#inference image

from mmdet.apis import inference_detector, show_result_pyplot


checkpoint_file = '/content/drive/MyDrive/AlgaeDB/Output/epoch_10.pth'

# checkpoint 저장된 model 파일을 이용하여 모델을 생성, 이때 Config는 위에서 update된 config 사용. 
model_ckpt = init_detector(cfg, checkpoint_file, device='cuda:0')


import cv2

imgPath = '/content/drive/MyDrive/AlgaeDB/test/'
imgFile = 'C133301_20220421_162942824.jpg'

img = cv2.imread(imgPath + imgFile)


confidence_level = 0.5
result = inference_detector(model_ckpt, img)
show_result_pyplot(model_ckpt, img, result, score_thr=confidence_level)

이후 생성된 모델을 epoch 파일과 publish 도구를 이용하여 생성한 파일 2가지를 가지고 제 PC에서 inference 를 수행했습니다. (제 컴은 맥북 M1 입니다.)

코드는 다음과 같습니다. (일부 불필요한 코드도 있는데... 양해 부탁드립니다.)

# This is a sample Python script.

import torch
import mmcv
import cv2
import os

print ('=================================')
print (os.getcwd())
print ('==================================')


from mmdet.datasets.builder import DATASETS
from mmdet.datasets.coco import CocoDataset
@DATASETS.register_module(force=True)
class AlgaeDataset(CocoDataset):
      CLASSES = ('microcystis', 'anabaena', 'oscillatoria', 'aphanizomenon',
                 'synedra', 'aulacoseira', 'fragilaria', 'pediastrum',
                 'staurastrum', 'eudorina', 'asterionella')

from mmdet.apis import init_detector, inference_detector, show_result_pyplot




config_file = '/Users/*****/Projects/WatizB/mmdetection/configs/mask_rcnn/mask_rcnn_r101_fpn_1x_coco.py'
#checkpoint_file = 
checkpoint_file = '/Users/*****y/Projects/WatizB/mmdetection/checkpoints/mask_rcnn_r101_fpn_1x_WatizB-ddc77fa4.pth'



from mmcv import Config
cfg = Config.fromfile(config_file)


# class의 갯수 수정. 
cfg.model.roi_head.bbox_head.num_classes = 11
cfg.model.roi_head.mask_head.num_classes = 11

cfg.evaluation.metric = ['bbox', 'segm']

######

# dataset에 대한 환경 파라미터 수정. 
cfg.dataset_type = 'AlgaeDataset'
cfg.data_root = '/content/drive/MyDrive/AlgaeDB/'

# train, val, test dataset에 대한 type, data_root, ann_file, img_prefix 환경 파라미터 수정. 
cfg.data.train.type = 'AlgaeDataset'
cfg.data.train.data_root = '/content/drive/MyDrive/AlgaeDB/'
cfg.data.train.ann_file = 'train.json'
cfg.data.train.img_prefix = 'train'

cfg.data.val.type = 'AlgaeDataset'
cfg.data.val.data_root = '/content/drive/MyDrive/AlgaeDB/'
cfg.data.val.ann_file = 'val.json'
cfg.data.val.img_prefix = 'val'







######
print (cfg.pretty_text)

model = init_detector(config_file, checkpoint_file, device='cpu')  # or device='cuda:0'


imgFile = cv2.imread('/Users/category/Projects/WatizB/AlgaeDB/test/test_img15.jpg')
print (imgFile)



#imgFile = 'demo/demo.jpg'

result = inference_detector(model, imgFile)
show_result_pyplot(model, imgFile, result, 0.3)

print (result)

이렇게 했는데, 제 맥북에서는 위에서 오류가 발생하네요..

config에 문제가 있을까요?? 이것 저것 해보다가 안되어서 경로명도 혹시 몰라 동일하게 변경도 해보았습니다. ㅜㅜ

바쁘시겠지만 의견 부탁드립니다.

참 mmdetection은 최신버전을 사용했습니다.

하, 벌써 2.0으로 바뀌었군요.

만약에 설치가 잘 안되시면, 런타임 연결해제 및 삭제로 커널을 초기화 하시고

아래 명령어로 pytorch 1.13.0 을 재 설치 하신 후에 mmdetection을 설치하고 실습 코드를 수행하시면 될 것 같습니다.

!pip install torch==1.13.0+cu116 torchvision==0.14.0+cu116 torchaudio==0.13.0 --extra-index-url https://download.pytorch.org/whl/cu116

그리고,,

올려 주신 코드 중 inference 코드에서 오류가 발생하시는 거죠?

아래 checkpoint 파일은 custom 데이터로 학습이 완료된 파일이죠?

checkpoint_file = '/Users/*****y/Projects/WatizB/mmdetection/checkpoints/mask_rcnn_r101_fpn_1x_WatizB-ddc77fa4.pth'

학습 후에 가져온 checkpoint 파일은 아래와 같이 보이는데, 혹시나 해서 여쭙습니다.

checkpoint_file = '/content/drive/MyDrive/AlgaeDB/Output/epoch_10.pth'

1. 코랩 설치 관련::: 보내주신 내용대로 설치를 해보았는데.. 아래와 같은 에러는 발생하지만 문제는 해결이 되어 설치가 가능 하네요. ^^ 고맙습니다.~~

    

   

   2. 모델 학습 및 inference관련 문의하신 부분은 다음과 같습니다.

올려 주신 코드 중 inference 코드에서 오류가 발생하시는 거죠?

==> 네 inference 에서 오류가 발생합니다.(코랩에서는 정상작동, 맥으로 다운받아서 inference 실행시 오류발생)

아래 checkpoint 파일은 custom 데이터로 학습이 완료된 파일이죠?

===> 네 수중 조류 이미지를 class 11개를 만들어서 학습완료한것입니다.

====> checkpoint_file = '/content/drive/MyDrive/AlgaeDB/Output/epoch_10.pth' 파일은 코랩 학습 후 생긴 파일이고 이파일로 코랩에서 inference를 수행 했을때 정상작동하였습니다.

=====> 그런데 상기 epoch_10.pth 파일을 제 맥으로 다운 받아서 inference코드로 작성해서 실행하면 이전에 올린 오류 메세지가 발생합니다

=====> mask_rcnn_r101_fpn_1x_WatizB-ddc77fa4.pth' 파일의 경우 publish 도구를 이용해서 만들어서 사용해야 하나 해서 혹시나 하고 한번 더 만들어서 테스트를 해본 파일입니다.

checkpoint_file = '/Users/*****y/Projects/WatizB/mmdetection/checkpoints/mask_rcnn_r101_fpn_1x_WatizB-ddc77fa4.pth'

학습 후에 가져온 checkpoint 파일은 아래와 같이 보이는데, 혹시나 해서 여쭙습니다.

checkpoint_file = '/content/drive/MyDrive/AlgaeDB/Output/epoch_10.pth'

checkpoint_file = '/content/drive/MyDrive/AlgaeDB/Output/epoch_10.pth' 파일이 학습 후 생긴 파일이고 이파일로 코랩에서 inference를 수행 했을때 정상작동하였습니다.

=> 코랩에서 inference할 때도 /content/drive/MyDrive/AlgaeDB/Output/epoch_10.pth 를 init_detector()로 만드신 후 inference를 했는데 아무런 문제가 없었나요?

그리고 config 설정도 코랩에서 사용한 설정을 그대로 맥에서도 적용하신건가요?

아, 그리고 오류가

model = init_detector(config_file, checkpoint_file, device='cpu') 에서 발생하나요?

아님, result = inference_detector(model, imgFile) 에서 발생하나요?

아래 코드에서

model = init_detector(config_file, checkpoint_file, device='cpu')

코드를 보시면 기본 config_file을 인자로 하고 있습니다. 그러니까 checkpoint는 class가 12개 인데 기본 config_file은 coco로 class가 81개 이기 때문에 오류가 발생하는 것 같습니다.

지금 cfg 객체로 기본 config를 수정했으니까 아래와 같이 cfg 를 인자로 넣어줘보십시요.

model = init_detector(cfg, checkpoint_file, device='cpu')

너무 기본적인 부분을 미쳐 확인하지 못한것 같습니다. 노안 떄문인지.. ㅜㅜ

알려주신 부분 수정하니 정상적으로 작동되는 것 확인했습니다.

너무 신속하고 친절하게 답변 해주셔서 고맙습니다.

기초를 좀더 다지기 위해서 철민님의 파이썬 머신러닝 완벽가이드도 수강신청했는데 얼른 강의를 시청해야할것 같습니다.

좋은 하루 되세요.~~

해결이 되었다니 다행입니다 ^^

다른 강의도 수강해 주시고, 감사합니다.