Download, pre-elaborazione e caricamento del set di dati COCO

COCO è un set di dati di rilevamento, segmentazione e sottotitolaggio 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, devi 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 richiamare Cloud TPU ed eseguire l'addestramento.

Il download e il pre-elaborazione e il caricamento completo del set di dati COCO in un bucket Google Cloud Storage richiedono circa due ore.

In Cloud Shell, configura gcloud con l'ID progetto.

export PROJECT_ID=project-id
gcloud config set project ${PROJECT_ID}

In Cloud Shell, crea un bucket Cloud Storage utilizzando il seguente comando:

Nota: nel comando seguente, sostituisci bucket-name con il nome che vuoi assegnare al tuo bucket.
```
gsutil mb -p ${PROJECT_ID} -c standard -l europe-west4 gs://bucket-name
```
Avvia un'istanza VM di Compute Engine.

Questa istanza VM verrà utilizzata solo per scaricare e pre-elaborare il set di dati COCO. Compila il campo instance-name con un nome a tua scelta.
```
$ 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=2.11.0
```
Descrizioni flag comando

vm-only

Creare 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 tua 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 di Compute Engine, accedi eseguendo il comando ssh seguente. Dopo aver eseguito l'accesso alla VM, il prompt di shell passa da username@projectname a username@vm-name:
```
  $ gcloud compute ssh instance-name --zone=europe-west4-a
  
```
Configura due variabili, una per il bucket di archiviazione creato in precedenza e una per la directory contenente 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) che l'applicazione di addestramento si aspetta.
```
(vm)$ git clone https://github.com/tensorflow/tpu.git
(vm)$ sudo bash tpu/tools/datasets/download_and_preprocess_coco.sh ./data/dir/coco
```
Questo installa le librerie necessarie ed esegue lo script di pre-elaborazione. Visualizza una serie di file *.tfrecord nella directory dei dati locali. Il completamento dello script di conversione e download di 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 nel tuo bucket Cloud Storage utilizzando il comando gsutil. Devi anche copiare i file di annotazione. 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 tuo bucket Cloud Storage, puoi eliminare l'istanza di Compute Engine.

Disconnettiti dall'istanza Compute Engine:
```
(vm)$ exit
```
Il prompt ora dovrebbe essere username@projectname, a indicare che ti trovi in Cloud Shell.

Elimina l'istanza di Compute Engine.

  $ gcloud compute instances delete instance-name
    --zone=europe-west4-a

Download, pre-elaborazione e caricamento del set di dati COCO

Descrizioni flag comando