TensorFlow + DirectML z systemem Windows ML: wykrywanie obiektów w czasie rzeczywistym z wideo

W tym samouczku pokazano, jak lokalnie trenować i oceniać model wykrywania obiektów w czasie rzeczywistym w aplikacji platformy UWP. Model zostanie wytrenowany lokalnie za pomocą biblioteki TensorFlow na maszynie za pośrednictwem interfejsów API DirectML, który zapewnia przyspieszone trenowanie procesora GPU na wszystkich urządzeniach z systemem Windows. Wytrenowany model zostanie następnie zintegrowany z aplikacją platformy UWP, która używa kamery internetowej do wykrywania obiektów w czasie rzeczywistym w czasie rzeczywistym przy użyciu interfejsów API uczenia maszynowego systemu Windows.

Zaczniemy od włączenia biblioteki TensorFlow na maszynie.

Jeśli chcesz dowiedzieć się, jak trenować model za pomocą biblioteki TensorFlow, możesz przejść do sekcji Trenowanie modelu.

Jeśli masz model TensorFlow, ale chcesz dowiedzieć się, jak przekonwertować go na format ONNX odpowiedni do użycia z interfejsami API WinML, zobacz konwertowanie modelu.

Jeśli masz model i chcesz dowiedzieć się, jak utworzyć aplikację WinML od podstaw, przejdź do sekcji Wdrażanie modelu.

Włączanie przyspieszania procesora GPU dla biblioteki TensorFlow za pomocą języka DirectML

Aby włączyć bibliotekę TensorFlow na maszynie, wykonaj następujące kroki.

Sprawdzanie wersji systemu Windows

Pakiet TensorFlow z językiem DirectML w natywnym systemie Windows działa w systemie Windows 10 w wersji 1709 (kompilacja 16299) lub nowszych wersjach systemu Windows. Numer wersji kompilacji można sprawdzić, uruchamiając polecenie winverUruchom (Windows logo key + R).

Sprawdzanie aktualizacji sterowników procesora GPU

Upewnij się, że masz zainstalowany najnowszy sterownik procesora GPU. Wybierz pozycję Sprawdź dostępność aktualizacji w sekcji Windows Updatew obszarze Ustawienia systemu Windows.

Konfigurowanie biblioteki TensorFlow w wersji zapoznawczej directML

W przypadku korzystania z biblioteki TensorFlow zaleca się skonfigurowanie wirtualnego środowiska języka Python w systemie Windows. Istnieje wiele narzędzi, których można użyć do skonfigurowania wirtualnego środowiska Python — na potrzeby tych instrukcji użyjemy miniconda od Anaconda. W pozostałej części tej konfiguracji przyjęto założenie, że używasz środowiska miniconda.

Konfigurowanie środowiska języka Python

Pobierz i zainstaluj instalator Miniconda Windows na maszynie. Jeśli jest to potrzebne, istnieją dodatkowe wskazówki dotyczące konfigurowania w witrynie platformy Anaconda. Po zainstalowaniu narzędzia Miniconda utwórz środowisko przy użyciu języka Python o nazwie directml i aktywuj je za pomocą następujących poleceń:

conda create --name directml python=3.6 conda activate directml

Instalowanie pakietu Tensorflow z pakietem DirectML

Zainstaluj pakiet TensorFlow z DirectML za pomocą pip, uruchamiając następujące polecenie:

pip install tensorflow-directml

Weryfikowanie instalacji pakietu

Po zainstalowaniu tensorflow-directml pakietu możesz sprawdzić, czy działa prawidłowo, dodając dwa tensory. Skopiuj następujące wiersze do interaktywnej sesji języka Python:

import tensorflow.compat.v1 as tf 

tf.enable_eager_execution(tf.ConfigProto(log_device_placement=True)) 

print(tf.add([1.0, 2.0], [3.0, 4.0])) 

Powinieneś zobaczyć dane wyjściowe podobne do poniższych, gdzie operator dodawania jest umieszczony na urządzeniu DML.

Dalsze kroki

Teraz, gdy masz już posortowane wymagania wstępne, możesz przejść do tworzenia modelu WinML. W następnej części użyjesz biblioteki TensorFlow do utworzenia modelu wykrywania obiektów w czasie rzeczywistym.