Download, pre-elaborazione e caricamento del set di dati COCO
COCO è un set di dati per il rilevamento, la segmentazione e le didascalie di oggetti su larga scala. I modelli di machine learning che utilizzano il set di dati COCO includono:
- Maschera-RCNN
- Retinanet
- ShapeMask
Prima di poter addestrare un modello su Cloud TPU, è necessario preparare i dati di addestramento.
Questo argomento descrive come preparare il set di dati COCO per i modelli eseguiti su Cloud TPU. Il set di dati COCO può essere preparato solo
dopo aver creato una VM di Compute Engine. Lo script utilizzato per preparare i dati, download_and_preprocess_coco.sh
, è installato sulla VM e deve essere eseguito sulla VM.
Dopo aver preparato i dati eseguendo lo script download_and_preprocess_coco.sh
, puoi visualizzare la Cloud TPU ed eseguire l'addestramento.
Per scaricare, pre-elaborare e caricare completamente il set di dati COCO in un bucket di archiviazione Google Cloud, sono necessarie circa due ore.
In Cloud Shell, configura
gcloud
con il tuo ID progetto.export PROJECT_ID=project-id gcloud config set project ${PROJECT_ID}
In Cloud Shell, crea un bucket Cloud Storage utilizzando questo comando:
gsutil mb -p ${PROJECT_ID} -c standard -l europe-west4 gs://bucket-name
Avviare un'istanza VM di Compute Engine.
Questa istanza VM verrà utilizzata solo per scaricare e pre-elaborare il set di dati COCO. Inserisci un nome a tua scelta nel campo instance-name.
$ gcloud compute tpus execution-groups create \ --vm-only \ --name=instance-name \ --zone=europe-west4-a \ --disk-size=300 \ --machine-type=n1-standard-16 \ --tf-version=2.12.0
Descrizioni flag comando
vm-only
- Crea solo una VM. Per impostazione predefinita, il comando
gcloud compute tpus execution-groups
crea una VM e una Cloud TPU. name
- Il nome della Cloud TPU da creare.
zone
- La zona in cui prevedi di creare la Cloud TPU.
disk-size
- Le dimensioni del disco rigido in GB della VM creata dal comando
gcloud compute tpus execution-groups
. machine-type
- Il tipo di macchina della VM di Compute Engine da creare.
tf-version
- La versione di Tensorflow
gcloud compute tpus execution-groups
viene installata sulla VM.
Se non hai eseguito automaticamente l'accesso all'istanza Compute Engine, accedi eseguendo il comando
ssh
riportato di seguito. Quando hai eseguito l'accesso alla VM, il prompt della shell cambia dausername@projectname
ausername@vm-name
:$ gcloud compute ssh instance-name --zone=europe-west4-a
Configura due variabili, una per il bucket di archiviazione che hai creato in precedenza e una per la directory che contiene i dati di addestramento (DATA_DIR) nel bucket di archiviazione.
(vm)$ export STORAGE_BUCKET=gs://bucket-name
(vm)$ export DATA_DIR=${STORAGE_BUCKET}/coco
Installa i pacchetti necessari per pre-elaborare i dati.
(vm)$ sudo apt-get install -y python3-tk && \ pip3 install --user Cython matplotlib opencv-python-headless pyyaml Pillow && \ pip3 install --user "git+https://github.com/cocodataset/cocoapi#egg=pycocotools&subdirectory=PythonAPI"
Esegui lo script
download_and_preprocess_coco.sh
per convertire il set di dati COCO in un set di TFRecord (*.tfrecord
) previsto dall'applicazione di addestramento.(vm)$ git clone https://github.com/tensorflow/tpu.git (vm)$ sudo bash tpu/tools/datasets/download_and_preprocess_coco.sh ./data/dir/coco
Questa operazione installa le librerie richieste ed esegue lo script di pre-elaborazione. Restituisce una serie di file
*.tfrecord
nella directory dei dati locale. Lo script di download e conversione COCO richiede circa un'ora.Copia i dati nel bucket Cloud Storage
Dopo aver convertito i dati in TFRecord, copiali dallo spazio di archiviazione locale al bucket Cloud Storage utilizzando il comando
gsutil
. Devi anche copiare i file delle annotazioni. Questi file consentono di convalidare le prestazioni del modello.(vm)$ gsutil -m cp ./data/dir/coco/*.tfrecord ${DATA_DIR} (vm)$ gsutil cp ./data/dir/coco/raw-data/annotations/*.json ${DATA_DIR}
Esegui la pulizia delle risorse VM
Dopo che il set di dati COCO è stato convertito in TFRecords e copiato in DATA_DIR nel bucket Cloud Storage, puoi eliminare l'istanza di Compute Engine.
Disconnettiti dall'istanza Compute Engine:
(vm)$ exit
Il prompt dovrebbe ora essere
username@projectname
, a indicare che ti trovi in Cloud Shell.Elimina l'istanza Compute Engine.
$ gcloud compute instances delete instance-name --zone=europe-west4-a