Questa pagina è stata tradotta dall'API Cloud Translation.

Conversione di un set di dati di classificazione delle immagini per l'utilizzo con Cloud TPU

Questo tutorial descrive come utilizzare il convertitore dei dati di classificazione delle immagini esempio per convertire un set di dati di classificazione delle immagini non elaborate nel formato TFRecord utilizzato per addestrare i modelli Cloud TPU.

I TFRecord rendono leggere file di grandi dimensioni da Google Cloud Storage in modo più efficiente rispetto alla lettura di ogni singolo file come singolo file. Puoi utilizzare TFRecord ovunque utilizzi un pipeline tf.data.Dataset.

Consulta i seguenti documenti TensorFlow per ulteriori informazioni sull'utilizzo TFRecord:

Se utilizzi il framework PyTorch o JAX e non usi Google Cloud Storage per l'archiviazione dei set di dati, potresti non trarre lo stesso vantaggio dai TFRecord.

Panoramica delle conversioni

La cartella di classificazione delle immagini all'interno del repository del convertitore di dati su GitHub contiene lo script converter, image_classification_data.py e un implementazione di esempio, simple_example.py, puoi copiarla e modificarla la tua conversione dei dati.

L'esempio del convertitore di dati di classificazione delle immagini definisce due classi: ImageClassificationConfig e ImageClassificationBuilder. Questi corsi sono definito in tpu/tools/data_converter/image_classification_data.py.

ImageClassificationConfig è una classe base astratta. La tua sottoclasse ImageClassificationConfig per definire la configurazione necessaria per creare un'istanza di un ImageClassificationBuilder.

ImageClassificationBuilder è un generatore di set di dati TensorFlow per i set di dati di classificazione delle immagini. È una sottoclasse di tdfs.core.GeneratorBasedBuilder. Recupera esempi di dati dal set di dati e li converte in TFRecord. La I TFRecord vengono scritti in un percorso specificato dal parametro data_dir alla Metodo __init__ di ImageClassificationBuilder.

In simple_example.py, SimpleDatasetConfig sottoclassi ImageClassificationConfig, implementando che definiscono le modalità supportate, il numero di classi delle immagini generatore di esempi che restituisce un dizionario contenente dati di immagine e un'immagine per ogni esempio nel set di dati.

La funzione main() crea un set di dati di dati immagine generati casualmente e crea un'istanza di un oggetto SimpleDatasetConfig specificando il numero di classi e il percorso del set di dati su disco. Successivamente, main() crea un'istanza Oggetto ImageClassificationBuilder, che passa in SimpleDatasetConfig in esecuzione in un'istanza Compute Engine. Infine, main() chiama download_and_prepare(). Quando questo metodo viene l'istanza ImageClassificationBuilder utilizza l'esempio di dati generatore implementato da SimpleDatasetConfig per caricare ogni esempio e salvataggi in una serie di file TFRecord.

Per una spiegazione più dettagliata, consulta Blocco note del convertitore di classificazione.

Prima di iniziare

Modifica dell'esempio di conversione dei dati per caricare il set di dati

Per convertire il set di dati in formato TFRecord, sottoclasse Classe ImageClassificationConfig che definisce le seguenti proprietà:

num_labels: restituisce il numero di classi immagine
supported_modes: restituisce un elenco di modalità supportate dal set di dati (ad es. test, addestramento e convalida)
text_label_map - Restituisce un dizionario che modella la mappatura tra una un'etichetta di classe di testo e un'etichetta di classe con numeri interi (SimpleDatasetConfig non usa questa proprietà, non richiede una mappatura)
percorso_download: il percorso da cui scaricare il set di dati (SimpleDatasetConfig non usa questa proprietà, example_generator carica i dati dal disco)

Implementare la funzione example_generator generator. Questo metodo deve produrre un un dizionario contenente i dati e il nome della classe delle immagini per ogni esempio. ImageClassificationBuilder usa la funzione example_generator() per recuperare ad esempio e li scrive su disco in formato TFRecord.

Esecuzione dell'esempio di conversione dei dati

Crea un bucket Cloud Storage utilizzando il comando seguente:

Nota: nel seguente comando, sostituisci bucket-name con il nome che vuoi assegnare al bucket.
```
gcloud storage buckets create gs://bucket-name --project=${PROJECT_ID} --location=us-central1
```
Avvia una VM di Compute Engine utilizzando il comando gcloud.
```
$ gcloud compute tpus execution-groups create \
 --vm-only \
 --zone=us-central1-b \
 --name=imageclassificationconverter \
 --tf-version=2.5.0
```
Nota: se non hai una connessione all'istanza Compute Engine, puoi connettiti eseguendo questo comando:
```
gcloud compute ssh imageclassificationconverter --zone=us-central1-b 
```
Da questo momento in poi, un prefisso di (vm)$ significa che devi eseguire il comando su l'istanza VM di Compute Engine.

Installa i pacchetti richiesti.

(vm)$ pip3 install opencv-python-headless pillow

Crea le seguenti variabili di ambiente utilizzate dallo script.

(vm)$ export STORAGE_BUCKET=gs://bucket-name

(vm)$ export CONVERTED_DIR=$HOME/tfrecords
(vm)$ export GENERATED_DATA=$HOME/data
(vm)$ export GCS_CONVERTED=$STORAGE_BUCKET/data_converter/image_classification/tfrecords
(vm)$ export GCS_RAW=$STORAGE_BUCKET/image_classification/raw
(vm)$ export PYTHONPATH="$PYTHONPATH:/usr/share/tpu/models"

Passa alla directory data_converter.

(vm)$ cd /usr/share/tpu/tools/data_converter

Esecuzione del convertitore di dati su un set di dati falso

Lo script simple_example.py si trova in image_classification cartella dell'esempio del convertitore di dati. L'esecuzione dello script con genera un insieme di immagini false e le converte in TFRecord.

(vm)$ python3 image_classification/simple_example.py \
  --num_classes=1000 \
  --data_path=$GENERATED_DATA \
  --generate=True \
  --num_examples_per_class_low=10 \
  --num_examples_per_class_high=11 \
  --save_dir=$CONVERTED_DIR

Esecuzione del convertitore di dati su uno dei nostri set di dati non elaborati

Crea una variabile di ambiente per la località dei dati non elaborati.

(vm)$ export GCS_RAW=gs://cloud-tpu-test-datasets/data_converter/raw_image_classification

Esegui lo script simple_example.py.

(vm)$ python3 image_classification/simple_example.py \
--num_classes=1000 \
--data_path=$GCS_RAW \
--generate=False \
--save_dir=$CONVERTED_DIR

Lo script simple_example.py utilizza i seguenti parametri:

num_classes si riferisce al numero di classi nel set di dati. Stiamo utilizzando 1000 qui per corrispondere al formato ImageNet.
generate determina se generare o meno i dati non elaborati.
data_path si riferisce al percorso in cui vengono generati i dati se generate=True o il percorso in cui sono archiviati i dati non elaborati, se generate=False.
num_examples_per_class_low e num_examples_per_class_high determinano come molti esempi per classe da generare. Lo script genera un numero casuale di esempi in questo intervallo.
save_dir si riferisce alla posizione in cui vengono salvati i TFRecord salvati. Per addestrare un modello su Cloud TPU, i dati devono essere archiviati in Cloud Storage. Può essere su Cloud Storage o sulla VM.

Ridenominazione e spostamento dei TFRecord in Cloud Storage

L'esempio seguente utilizza i dati convertiti con il modello ResNet.

Rinomina i TFRecord nello stesso formato dei TFRecord di ImageNet:

(vm)$ cd $CONVERTED_DIR/image_classification_builder/Simple/0.1.0/
(vm)$ sudo apt install rename

(vm)$ rename -v 's/image_classification_builder-(\w+)\.tfrecord/$1/g' *

Copia i TFRecord in Cloud Storage:

(vm)$ gcloud storage cp train* $GCS_CONVERTED
(vm)$ gcloud storage cp validation* $GCS_CONVERTED