- 언어 : Python
- 딥러닝 개발 프레임워크 : Pytorch
- VGG-16 모델 사용
- 이미지 분류를 위한 모델
- 현재 결과: Rotate된 이미지에 대해 정확도가 떨어진다.
- 손실(Loss) 함수
- Triplet Loss
- torch==1.8.1
- torchaudio==0.8.1
- torchvision==0.9.1
- 위의 세개의 라이브러리는 딥 러닝을 위해
- Pillow==8.3.1
- 이미지의 PIL 파일 형식을 위해
- beautifulsoup4==4.9.3
- 이미지 웹크롤링을 위해
- numpy==1.19.5
- flask==1.0.3
- 딥 러닝 서버를 위해
- image_create 폴더
crwaling.py: 이미지 웹크로링을 위한 파일image_noise_test.py: 이미지에 noise를 주기 위한 코드 파일image_noise.py: 이미지 noise test 코드 파일
- My_model 폴더 : 딥 러닝 pt 파일 저장 폴더
New_Vgg_16.pt: VGG-16 변형한 딥 모델
- triplet_loss 폴더
train_model.py: 모델 학습 파일preprocess.py: 데이터 전처리 파일model.py: 딥러닝 모델 파일
image_prediction.py: BackEnd와 연동하는 python 파일server.py: Flask를 사용한 AI server.gitignore: Git에 올릴 시 무시할 파일 및 파일의 이름이나 경로, 적용 시git rm -r --cached .명령어 입력data: 이미지 데이터 파일, gitignore 됨image_similarity_test: VGG-16 모델을 사용한 결과를 확인model_save.py: 해당 딥 러닝 모델을 pt 파일로 저장하는 코드 파일requirements.txt: 버전 명시 파일
crawling.py파일을 통해 구축- 저작권에 영향이 없도록 무료 이미지 사이트(https://pixabay.com/images/search/)를 통해 이미지 웹 크롤링을 함.
- 이미지 tag가 'src', 'data-lazy-srcset'. 'data-lazy-src'로 되어 있기 때문에 해당 tag에 대해서만 이미지를 가져온다.
- 웹 크롤링을 통해 100개의 이미지를 가져온 후, 다음과 같이 네 개의 변형된 noise를 주었다.
- train : 원본 데이터
- rotate : 오른쪽 90도 회전
- mirror : 좌우반전 이미지
- bright : 밝기 100
- dark : 어둡게 50
- 운영체제 : Ubuntu 18.04 LTS
- GPU : NVIDIA GTX 1080 Ti
pip install gunicorn으로 gunicorn 설치gunicorn server:app -b 0.0.0.0 --daemon --access-logfile ./gunicorn-access.log --error-logfile ./gunicorn-error.log으로 실행. defalt port 번호는 8000으로 모든 아이피에 대해 8000 port 접속 허용. reload 시 같은 명령어 사용 가능.
pkill gunicorn: gunicorn 프로세스 종료./gunicorn-access.log,./gunicorn-error.log위치에서 access, error log 확인 가능
- TorchServe용 구성 파일인 config.properties(기본 이름)를 생성하여 원격 접속 주소 설정
inference_address = Inference API 바인딩 주소. Default: http://127.0.0.1:8080
management_address = Management API 바인딩 주소. Default: http://127.0.0.1:8081
- torchserve 실행 시 같은 디렉토리에서 실행하거나 --ts-config으로 경로 지정