Entrena RetinaNet en Cloud TPU

En este documento se describe una implementación del modelo de detección de objetos RetinaNet. El código está disponible en GitHub.

En las siguientes instrucciones, se supone que ya estás familiarizado con la ejecución de un modelo en Cloud TPU. Si eres nuevo en Cloud TPU, puedes consultar la guía de inicio rápido para obtener una introducción básica.

Si planeas entrenar en una porción de pod de TPU, revisa la página sobre el entrenamiento en pods de TPU para comprender los cambios de parámetros necesarios cuando trabajas con porciones de pod.

Advertencia: En este instructivo, se usa un conjunto de datos de terceros. Google no hace ninguna declaración ni proporciona garantía alguna acerca de la validez o cualquier otro aspecto de este conjunto de datos.

Objetivos

• Crear un depósito de Cloud Storage para almacenar el resultado de tu modelo y tu conjunto de datos
• Preparar el conjunto de datos de COCO
• Configurar una VM de Compute Engine y un nodo de Cloud TPU para entrenamiento y evaluación
• Ejecutar el entrenamiento y la evaluación en un solo Cloud TPU o un pod de Cloud TPU

Costos

En este instructivo, se usan componentes facturables de Google Cloud, que incluyen los siguientes:

• Compute Engine
• Cloud TPU
• Cloud Storage

Usa la calculadora de precios para generar una estimación de los costos según el uso previsto. Los usuarios nuevos de Google Cloud pueden ser elegibles para obtener una prueba gratuita.

Antes de comenzar

En esta sección, se proporciona información sobre cómo configurar el depósito de Cloud Storage y una VM de Compute Engine.

Importante: Configura tu VM de Compute Engine, tu nodo de Cloud TPU y tu depósito Cloud Storage en la misma región/zona para reducir la latencia y los costos de red.

1. Abre una ventana de Cloud Shell.

   Abre Cloud Shell

2. Crea una variable para el ID de tu proyecto.

   export PROJECT_ID=project-id
   

3. Configura la herramienta de línea de comandos de gcloud para usar el proyecto en el que deseas crear Cloud TPU.

   gcloud config set project ${PROJECT_ID}
   

4. Crea un depósito de Cloud Storage con el siguiente comando:

   Nota: En el siguiente comando, reemplaza bucket-name por el nombre que deseas asignar a tu depósito.

   gsutil mb -p ${PROJECT_ID} -c standard -l europe-west4 -b on gs://bucket-name
   

   Este depósito de Cloud Storage almacena los datos que usas para entrenar tu modelo y los resultados del entrenamiento.

5. Inicia una VM de Compute Engine con el comando ctpu up.

   ctpu up --zone=europe-west4-a \
    --vm-only \
    --disk-size-gb=300 \
    --machine-type=n1-standard-8 \
    --tf-version=1.15.3 \
    --name=retinanet-tutorial
   

   Nota: Si tienes más de un proyecto, debes especificar un nombre de proyecto con --project. Si no se especifica --name, los nombres de TPU y VM están predeterminados a tu nombre de usuario.

6. Aparece la configuración que especificaste. Ingresa y para aprobar o n para cancelar.

7. Cuando el comando ctpu up termine de ejecutarse, verifica que el indicador de shell haya cambiado de username@projectname a username@vm-name. Este cambio indica que accediste a tu VM de Compute Engine.

   Nota: La primera vez que ejecutas ctpu up en un proyecto, puede tomar varios minutos en realizar tareas de inicio, como la propagación de clave SSH y la activación de API. En ocasiones, durante la propagación de clave SSH, se muestra un mensaje de error (ERROR: (gcloud.compute.ssh) [/usr/bin/ssh] exited with return code [255]). Si eso sucede, ejecuta el siguiente comando para resolver el problema.

   gcloud compute ssh retinanet-tutorial --zone=europe-west4-a
   

   Mientras sigues estas instrucciones, ejecuta cada comando que empiece con (vm)$ en la ventana de sesión de tu VM.

   Cuando el comando ctpu inicia una máquina virtual (VM) de Compute Engine, ubica de forma automática los archivos del modelo RetinaNet de la rama de TensorFlow en el directorio /usr/share/tpu/models/official/detection/.

8. Usa el comando export para configurar estas variables de entorno.

   Nota: En los siguientes comandos, reemplaza bucket-name por el nombre del depósito.

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

   (vm)$ export TPU_NAME=retinanet-tutorial
   (vm)$ export DATA_DIR=${STORAGE_BUCKET}/coco
   

9. Instala paquetes adicionales

   La aplicación de entrenamiento RetinaNet requiere varios paquetes adicionales. Instálalos ahora:

   (vm)$ sudo apt-get install -y python3-tk
   

   (vm)$ pip3 install --user Cython matplotlib opencv-python-headless pyyaml Pillow
   

   (vm)$ pip3 install --user 'git+https://github.com/cocodataset/cocoapi#egg=pycocotools&subdirectory=PythonAPI'
   

   (vm)$ pip3 install --user -U gast==0.2.2
   

Prepara el conjunto de datos de COCO

1. Ejecuta la secuencia de comandos download_and_preprocess_coco.sh para convertir el conjunto de datos COCO en un conjunto de TFRecords (*.tfrecord), que son compatibles con la aplicación de entrenamiento.

   (vm)$ sudo bash /usr/share/tpu/tools/datasets/download_and_preprocess_coco.sh ./data/dir/coco
   

   Esto instala las bibliotecas necesarias y ejecuta la secuencia de comandos de procesamiento previo. Como resultado, se muestra una serie de archivos *.tfrecord en tu directorio de datos local.

   Note:La secuencia de comandos de conversión y descarga de COCO tarda alrededor de 1 hora en completarse.

2. Después de convertir los datos en TFRecords, cópialos desde almacenamiento local a tu depósito de Cloud Storage con el comando gsutil. También debes copiar los archivos de anotaciones. Estos archivos ayudan a validar el rendimiento del modelo:

   (vm)$ gsutil -m cp ./data/dir/coco/*.tfrecord ${DATA_DIR}
   

   (vm)$ gsutil cp ./data/dir/coco/raw-data/annotations/*.json ${DATA_DIR}
   

Establece el entorno de entrenamiento

1. Ejecuta el siguiente comando para crear tu Cloud TPU.

   (vm)$ ctpu up --tpu-only \
     --tf-version=1.15.3 \
     --name=retinanet-tutorial
   

   Parámetro	Descripción
   --tpu-only	Crea una Cloud TPU sola, no crees una VM.
   --tf-version	La versión de Tensorflow “ctpu” se instala en la VM.
   --name	El nombre de Cloud TPU.

2. Aparece la configuración que especificaste. Ingresa y para aprobar o n para cancelar.

   Verás el siguiente mensaje: Operation success; not ssh-ing to Compute Engine VM due to --tpu-only flag. Como ya completaste la propagación de Llaves SSH, puedes ignorar este mensaje.

3. Actualiza los valores de keepalive de la conexión de VM.

   En este instructivo, se requiere una conexión de larga duración a la instancia de Compute Engine. Para asegurarte de que no estés desconectado de la instancia, ejecuta el siguiente comando:

   (vm)$ sudo /sbin/sysctl \
     -w net.ipv4.tcp_keepalive_time=120 \
     net.ipv4.tcp_keepalive_intvl=120 \
     net.ipv4.tcp_keepalive_probes=5
   

4. Ya estás listo para ejecutar el modelo en los datos de COCO ya procesados. Primero, agrega la carpeta /models de nivel superior a la ruta de Python con el siguiente comando:

   (vm)$ export PYTHONPATH=${PYTHONPATH}:/usr/share/tpu/models
   

Para el entrenamiento y la evaluación se requiere TensorFlow 1.13 o una versión posterior.

Nota: Si quieres supervisar el resultado y el rendimiento del modelo, sigue la guía para configurar TensorBoard.

Entrenamiento de dispositivos de una sola Cloud TPU

Note: Esta secuencia de comandos se entrena en 22,500 pasos y tarda alrededor de 3 horas en entrenar en una Cloud TPU v2-8, y alrededor de una hora y media en entrenar en una Cloud TPU v3-8.

1. Configura las siguientes variables de entorno:

   (vm)$ export MODEL_DIR=${STORAGE_BUCKET}/retinanet-model-train
   (vm)$ export RESNET_CHECKPOINT=gs://cloud-tpu-checkpoints/retinanet/resnet50-checkpoint-2018-02-07
   (vm)$ export TRAIN_FILE_PATTERN=${DATA_DIR}/train-*
   (vm)$ export EVAL_FILE_PATTERN=${DATA_DIR}/val-*
   (vm)$ export VAL_JSON_FILE=${DATA_DIR}/instances_val2017.json
   

2. Ejecuta la secuencia de comandos de entrenamiento:

   (vm)$ python3 /usr/share/tpu/models/official/detection/main.py \
   --use_tpu=True \
   --tpu=${TPU_NAME} \
   --num_cores=8 \
   --model_dir=${MODEL_DIR} \
   --mode="train" \
   --eval_after_training=True \
   --params_override="{ type: retinanet, train: { checkpoint: { path: ${RESNET_CHECKPOINT}, prefix: resnet50/ }, train_file_pattern: ${TRAIN_FILE_PATTERN} }, eval: { val_json_file: ${VAL_JSON_FILE}, eval_file_pattern: ${EVAL_FILE_PATTERN}, eval_samples: 5000 } }"
   

   Parámetro	Descripción
   --use_tpu	Entrena el modelo en una sola Cloud TPU.
   --tpu	Especifica el nombre de la Cloud TPU. Para ello, especifica la variable de entorno (TPU_NAME).
   --num_cores	Especifica la cantidad de núcleos en Cloud TPU.
   --model_dir	Especifica el directorio en el que se almacenarán los puntos de control y los resúmenes durante el entrenamiento del modelo. Si la carpeta no existe, el programa crea una. Cuando se usa una Cloud TPU, el model_dir debe ser una ruta de Cloud Storage (`gs://...`). Puedes reutilizar una carpeta existente para cargar datos de puntos de control actuales y almacenar puntos de control adicionales, siempre que los puntos de control anteriores se hayan creado con una TPU del mismo tamaño y con la misma versión de TensorFlow.
   --mode	Especifica el modo en el que se ejecuta el modelo. Los valores válidos son train y eval.

Evaluación de dispositivos de una sola Cloud TPU

En el siguiente procedimiento se usan los datos de evaluación de COCO. Toma alrededor de 10 minutos ejecutar los pasos de evaluación.

1. Configura las siguientes variables de entorno:

   (vm)$ export EVAL_SAMPLES=5000
   

2. Ejecuta la secuencia de comandos de evaluación:

     (vm)$ python3 /usr/share/tpu/models/official/detection/main.py \
       --use_tpu=True \
       --tpu=${TPU_NAME} \
       --num_cores=8 \
       --model_dir=${MODEL_DIR} \
       --mode="eval" \
       --params_override="{ type: retinanet, eval: { val_json_file: ${VAL_JSON_FILE}, eval_file_pattern: ${EVAL_FILE_PATTERN}, eval_samples: ${EVAL_SAMPLES} } }"
   

   Parámetro	Descripción
   --use_tpu	Evalúa el modelo en una sola Cloud TPU.
   --tpu	Especifica el nombre de la Cloud TPU. Para ello, especifica la variable de entorno (TPU_NAME).
   --num_cores	Especifica la cantidad de núcleos en Cloud TPU.
   model_dir	Especifica el directorio en el que se almacenarán los puntos de control y los resúmenes durante el entrenamiento del modelo. Si la carpeta no existe, el programa crea una. Cuando se usa una Cloud TPU, el model_dir debe ser una ruta de Cloud Storage (`gs://...`). Puedes reutilizar una carpeta existente para cargar datos de puntos de control actuales y almacenar puntos de control adicionales, siempre que los puntos de control anteriores se hayan creado con una TPU del mismo tamaño y con la misma versión de TensorFlow.
   --mode	Especifica el modo en el que se ejecuta el modelo. Los valores válidos son train, eval y .

En este punto, puedes finalizar este instructivo y limpiar tus recursos de GCP o puedes explorar con más detalle cómo ejecutar el modelo en los pods de Cloud TPU.

Escala tu modelo con pods de Cloud TPU

Puedes obtener resultados más rápidos si escalas tu modelo con pods de Cloud TPU. El modelo RetinaNet totalmente compatible puede funcionar con las siguientes porciones de pod:

• v2-32
• v3-32

Precaución: En este modelo, los escalamientos de porciones más grandes de pod se encuentran en fase experimental. Las secuencias de comandos de entrenamiento de este instructivo se optimizaron para un nodo TPU v3-32. No se ejecutarán como si estuvieran en una configuración v2 porque requieren memoria adicional.

Nota: La secuencia de comandos entrena para 2,109 pasos. Se tarda unos 30 minutos en entrenar en un tipo de TPU v3-32 y 10 minutos para entrenar en un tipo de TPU v3-128.

1. Borra el recurso de Cloud TPU que creaste a fin de entrenar el modelo en un solo dispositivo.

   (vm)$ ctpu delete --tpu-only --zone=europe-west4-a --name=retinanet-tutorial

2. Ejecuta el comando ctpu up con el parámetro tpu-size para especificar la porción de pod que deseas usar. Por ejemplo, el siguiente comando usa una porción de pod v3-32.

   (vm)$ ctpu up --tpu-only \
     --tpu-size=v3-32 \
     --zone=europe-west4-a \
     --tf-version=1.15.3 \
     --name=retinanet-tutorial-pod
    

3. Aparece la configuración que especificaste. Ingresa y para aprobar o n para cancelar.

   Verás el siguiente mensaje: Operation success; not ssh-ing to Compute Engine VM due to --tpu-only flag. Como ya completaste la propagación de Llaves SSH, puedes ignorar este mensaje.

4. Configura las siguientes variables de entorno:

   (vm)$ export MODEL_DIR=${STORAGE_BUCKET}/retinanet-model-pod
   (vm)$ export TPU_NAME=retinanet-tutorial-pod
   

5. Ejecuta la secuencia de comandos de entrenamiento del pod en un nodo TPU v3-32:

   (vm)$ python3 /usr/share/tpu/models/official/detection/main.py \
   --use_tpu=True \
   --tpu=${TPU_NAME} \
   --num_cores=32 \
   --model_dir=${MODEL_DIR} \
   --mode="train" \
   --eval_after_training=False \
   --params_override="{ type: retinanet, train: { train_batch_size: 1024, total_steps: 2109, learning_rate: { warmup_steps: 820, init_learning_rate: 0.64, learning_rate_levels: [0.064, 0.0064], learning_rate_steps: [1641, 1992] }, checkpoint: { path: ${RESNET_CHECKPOINT}, prefix: resnet50/ }, train_file_pattern: ${TRAIN_FILE_PATTERN} }, resnet: { batch_norm: { batch_norm_momentum: 0.9 }}, fpn: { batch_norm: { batch_norm_momentum: 0.9 }}, retinanet_head: { batch_norm: { batch_norm_momentum: 0.9 }} }"
   

   Parámetro	Descripción
   --use_tpu	Entrena el modelo en un pod de Cloud TPU.
   --tpu	Especifica el nombre de la Cloud TPU. Para ello, especifica la variable de entorno (TPU_NAME).
   --num_cores	Especifica la cantidad de núcleos en Cloud TPU.
   --model_dir	Especifica el directorio en el que se almacenarán los puntos de control y los resúmenes durante el entrenamiento del modelo. Si la carpeta no existe, el programa crea una. Cuando se usa una Cloud TPU, el model_dir debe ser una ruta de Cloud Storage (`gs://...`). Puedes reutilizar una carpeta existente para cargar datos de puntos de control actuales y almacenar puntos de control adicionales, siempre que los puntos de control anteriores se hayan creado con una TPU del mismo tamaño y con la misma versión de TensorFlow.
   --mode	Especifica el modo en el que se ejecuta el modelo.
   --eval_after_training	Configúralo como True para evaluar el modelo después del entrenamiento.
   --params_override	Anula los parámetros del modelo con valores especificados.

Limpia

Sigue estos pasos para evitar que se apliquen cargos a tu cuenta de Google Cloud Platform por los recursos que usaste en este instructivo:

1. Desconéctate de la instancia de Compute Engine, si aún no lo hiciste:

   (vm)$ exit
   

   El mensaje ahora debería mostrar username@projectname, que indica que estás en Cloud Shell.

2. En Cloud Shell, ejecuta ctpu delete con la marca --zone que usaste cuando configuraste la Cloud TPU para borrar la VM de Compute Engine y la Cloud TPU:

   $ ctpu delete --zone=europe-west4-a --name=retinanet-tutorial
   

   Importante: Si estableciste el nombre de los recursos TPU cuando ejecutaste ctpu up, debes especificar ese nombre con la marca --name cuando ejecutes ctpu delete para cerrar los recursos TPU.

3. Ejecuta el siguiente comando para verificar que la VM de Compute Engine y la Cloud TPU se hayan cerrado:

   $ ctpu status --zone=europe-west4-a
   

   La eliminación puede tardar varios minutos. Una respuesta como la que se muestra a continuación indica que no hay más instancias asignadas:

   2018/04/28 16:16:23 WARNING: Setting zone to "europe-west4-a"
   No instances currently exist.
    Compute Engine VM:     --
    Cloud TPU:             --
   

   Precaución: Todos los datos de entrenamiento se perderán cuando borres tu depósito, así que solo lleva a cabo este paso cuando hayas terminado de ejecutar el instructivo.

4. Ejecuta gsutil como se muestra y reemplaza bucket-name por el nombre del depósito de Cloud Storage que creaste para este instructivo:

   $ gsutil rm -r gs://bucket-name
   

¿Qué sigue?

En este instructivo, entrenaste el modelo RetinaNet con un conjunto de datos de muestra. Los resultados de este entrenamiento (en la mayoría de los casos) no se pueden usar para la inferencia. Para usar un modelo de inferencia, puedes entrenar los datos en un conjunto de datos disponible públicamente o en tu propio conjunto de datos. Los modelos entrenados en Cloud TPU requieren que los conjuntos de datos tengan el formato TFRecord.

Puedes usar la muestra de la herramienta de conversión de conjuntos de datos para convertir un conjunto de datos de clasificación de imágenes en formato TFRecord. Si no usas un modelo de clasificación de imágenes, deberás convertir tu conjunto de datos en formato TFRecord tú mismo. Para obtener más información, consulta TFRecord y tf.Example.

Ajuste de hiperparámetros

Para mejorar el rendimiento del modelo con tu conjunto de datos, puedes ajustar los hiperparámetros del modelo. Puedes encontrar información sobre hiperparámetros comunes a todos los modelos compatibles con TPU en GitHub. La información sobre los hiperparámetros específicos del modelo se puede encontrar en el código fuente para cada modelo. Para obtener más información sobre el ajuste de hiperparámetros, consulta Descripción general del ajuste de hiperparámetros, Usa el servicio de ajuste de hiperparámetros y Ajusta los hiperparámetros.

Inferencia

Una vez que entrenaste tu modelo, puedes usarlo para la inferencia (también llamada predicción). AI Platform es una solución basada en la nube que sirve para desarrollar, entrenar e implementar modelos de aprendizaje automático. Una vez que se implementa un modelo, puedes usar el servicio de AI Platform Prediction.

Entrena con diferentes tamaños de imagen

Puedes explorar con una red neuronal más grande (por ejemplo, ResNet-101 en lugar de ResNet-50). Una imagen de entrada más grande y una red neuronal más potente producirán un modelo más lento, pero más preciso.

Usa una base diferente

De manera alternativa, puedes explorar con el entrenamiento previo de un modelo ResNet en tu propio conjunto de datos y usarlo como base para tu modelo RetinaNet. Con algo de trabajo, también puedes intercambiar tráfico por una red neuronal alternativa en lugar de ResNet. Por último, si estás interesado en implementar tus propios modelos de detección de objetos, esta red puede ser una buena base para experimentar más.