ક્વિક ડ્રો ડૂડલ રેકગ્નિશન: R, C++ અને ન્યુરલ નેટવર્ક સાથે મિત્રો કેવી રીતે બનાવવું

હે હબર!

છેલ્લા પાનખરમાં, કાગલે હાથથી દોરેલા ચિત્રોને વર્ગીકૃત કરવા માટે એક સ્પર્ધાનું આયોજન કર્યું હતું, ક્વિક ડ્રો ડૂડલ રેકગ્નિશન, જેમાં અન્યો વચ્ચે, આર-વૈજ્ઞાનિકોની ટીમે ભાગ લીધો હતો: આર્ટેમ ક્લેવત્સોવા, ફિલિપા મેનેજર и આન્દ્રે ઓગુર્ત્સોવ. અમે સ્પર્ધાનું વિગતવાર વર્ણન કરીશું નહીં; તે પહેલાથી જ કરવામાં આવ્યું છે તાજેતરનું પ્રકાશન.

આ વખતે તે મેડલ ફાર્મિંગ સાથે કામ કરી શક્યું નથી, પરંતુ ઘણો મૂલ્યવાન અનુભવ મેળવ્યો હતો, તેથી હું સમુદાયને કાગલે અને રોજિંદા કામમાં ઘણી બધી રસપ્રદ અને ઉપયોગી વસ્તુઓ વિશે જણાવવા માંગુ છું. ચર્ચા કરેલા વિષયોમાં: વિના મુશ્કેલ જીવન ઓપનસીવી, JSON પદચ્છેદન (આ ઉદાહરણો R માં સ્ક્રિપ્ટો અથવા પેકેજોમાં C++ કોડના એકીકરણની તપાસ કરે છે. આરસીપીપી), સ્ક્રિપ્ટ્સનું પેરામીટરાઇઝેશન અને અંતિમ સોલ્યુશનનું ડોકરાઇઝેશન. એક્ઝેક્યુશન માટે યોગ્ય ફોર્મમાં મેસેજમાંથી તમામ કોડ ઉપલબ્ધ છે ભંડાર.

અનુક્રમણિકા:

1. મોનેટડીબીમાં CSVમાંથી ડેટાને અસરકારક રીતે લોડ કરો
2. બેચ તૈયાર કરી રહ્યા છીએ
3. ડેટાબેઝમાંથી બેચને અનલોડ કરવા માટે પુનરાવર્તકો
4. એક મોડેલ આર્કિટેક્ચર પસંદ કરી રહ્યા છીએ
5. સ્ક્રિપ્ટ પેરામીટરાઇઝેશન
6. સ્ક્રિપ્ટોનું ડોકરાઇઝેશન
7. Google Cloud પર બહુવિધ GPU નો ઉપયોગ કરવો
8. તેના બદલે એક નિષ્કર્ષ

1. મોનેટડીબી ડેટાબેઝમાં CSVમાંથી ડેટાને અસરકારક રીતે લોડ કરો

આ સ્પર્ધાનો ડેટા તૈયાર ઈમેજના રૂપમાં નહીં, પરંતુ પોઈન્ટ કોઓર્ડિનેટ્સ સાથે JSON ધરાવતી 340 CSV ફાઈલો (દરેક વર્ગ માટે એક ફાઈલ)ના રૂપમાં પ્રદાન કરવામાં આવે છે. આ બિંદુઓને રેખાઓ સાથે જોડીને, અમને 256x256 પિક્સેલ માપવાની અંતિમ છબી મળે છે. તેમજ દરેક રેકોર્ડ માટે એક લેબલ છે જે દર્શાવે છે કે ડેટાસેટ એકત્રિત કરવામાં આવ્યો તે સમયે ઉપયોગમાં લેવાતા વર્ગીકૃત દ્વારા ચિત્રને યોગ્ય રીતે ઓળખવામાં આવ્યું હતું કે નહીં, ચિત્રના લેખકના રહેઠાણના દેશનો બે-અક્ષરનો કોડ, એક અનન્ય ઓળખકર્તા, ટાઇમસ્ટેમ્પ. અને વર્ગનું નામ જે ફાઇલના નામ સાથે મેળ ખાય છે. મૂળ ડેટાના સરળ સંસ્કરણનું વજન આર્કાઇવમાં 7.4 GB હોય છે અને અનપેક કર્યા પછી આશરે 20 GB હોય છે, અનપૅક કર્યા પછી સંપૂર્ણ ડેટા 240 GB લે છે. આયોજકોએ સુનિશ્ચિત કર્યું કે બંને સંસ્કરણો સમાન રેખાંકનોનું પુનઃઉત્પાદન કરે છે, એટલે કે સંપૂર્ણ સંસ્કરણ નિરર્થક હતું. કોઈ પણ સંજોગોમાં, ગ્રાફિક ફાઈલોમાં અથવા એરેના સ્વરૂપમાં 50 મિલિયન ઈમેજો સંગ્રહિત કરવાનું તરત જ બિનલાભકારી માનવામાં આવતું હતું, અને અમે આર્કાઇવમાંથી બધી CSV ફાઇલોને મર્જ કરવાનું નક્કી કર્યું. train_simplified.zip દરેક બેચ માટે "ફ્લાય પર" જરૂરી કદની છબીઓની અનુગામી પેઢી સાથે ડેટાબેઝમાં.

DBMS તરીકે સારી રીતે સાબિત સિસ્ટમ પસંદ કરવામાં આવી હતી મોનેટડીબી, એટલે કે પેકેજ તરીકે R માટે અમલીકરણ MonetDBLite. પેકેજમાં ડેટાબેઝ સર્વરનું એમ્બેડેડ વર્ઝન શામેલ છે અને તે તમને R સત્રમાંથી સીધું જ સર્વરને પસંદ કરવા અને ત્યાં તેની સાથે કામ કરવાની મંજૂરી આપે છે. ડેટાબેઝ બનાવવું અને તેને કનેક્ટ કરવું એ એક આદેશ સાથે કરવામાં આવે છે:

con <- DBI::dbConnect(drv = MonetDBLite::MonetDBLite(), Sys.getenv("DBDIR"))

અમારે બે કોષ્ટકો બનાવવાની જરૂર પડશે: એક તમામ ડેટા માટે, બીજું ડાઉનલોડ કરેલી ફાઇલો વિશેની સેવાની માહિતી માટે (જો કંઇક ખોટું થાય તો ઉપયોગી છે અને ઘણી ફાઇલો ડાઉનલોડ કર્યા પછી પ્રક્રિયા ફરી શરૂ કરવી પડશે):

કોષ્ટકો બનાવી રહ્યા છીએ

if (!DBI::dbExistsTable(con, "doodles")) {
  DBI::dbCreateTable(
    con = con,
    name = "doodles",
    fields = c(
      "countrycode" = "char(2)",
      "drawing" = "text",
      "key_id" = "bigint",
      "recognized" = "bool",
      "timestamp" = "timestamp",
      "word" = "text"
    )
  )
}

if (!DBI::dbExistsTable(con, "upload_log")) {
  DBI::dbCreateTable(
    con = con,
    name = "upload_log",
    fields = c(
      "id" = "serial",
      "file_name" = "text UNIQUE",
      "uploaded" = "bool DEFAULT false"
    )
  )
}

ડેટાબેઝમાં ડેટા લોડ કરવાની સૌથી ઝડપી રીત SQL - આદેશનો ઉપયોગ કરીને CSV ફાઇલોની સીધી નકલ કરવાનો હતો COPY OFFSET 2 INTO tablename FROM path USING DELIMITERS ',','n','"' NULL AS '' BEST EFFORTજ્યાં tablename - ટેબલનું નામ અને path - ફાઇલનો માર્ગ. આર્કાઇવ સાથે કામ કરતી વખતે, એવું જાણવા મળ્યું હતું કે બિલ્ટ-ઇન અમલીકરણ unzip આર માં આર્કાઇવમાંથી સંખ્યાબંધ ફાઇલો સાથે યોગ્ય રીતે કામ કરતું નથી, તેથી અમે સિસ્ટમનો ઉપયોગ કર્યો unzip (પેરામીટરનો ઉપયોગ કરીને getOption("unzip")).

ડેટાબેઝ પર લખવાનું કાર્ય

#' @title Извлечение и загрузка файлов
#'
#' @description
#' Извлечение CSV-файлов из ZIP-архива и загрузка их в базу данных
#'
#' @param con Объект подключения к базе данных (класс `MonetDBEmbeddedConnection`).
#' @param tablename Название таблицы в базе данных.
#' @oaram zipfile Путь к ZIP-архиву.
#' @oaram filename Имя файла внури ZIP-архива.
#' @param preprocess Функция предобработки, которая будет применена извлечённому файлу.
#'   Должна принимать один аргумент `data` (объект `data.table`).
#'
#' @return `TRUE`.
#'
upload_file <- function(con, tablename, zipfile, filename, preprocess = NULL) {
  # Проверка аргументов
  checkmate::assert_class(con, "MonetDBEmbeddedConnection")
  checkmate::assert_string(tablename)
  checkmate::assert_string(filename)
  checkmate::assert_true(DBI::dbExistsTable(con, tablename))
  checkmate::assert_file_exists(zipfile, access = "r", extension = "zip")
  checkmate::assert_function(preprocess, args = c("data"), null.ok = TRUE)

  # Извлечение файла
  path <- file.path(tempdir(), filename)
  unzip(zipfile, files = filename, exdir = tempdir(), 
        junkpaths = TRUE, unzip = getOption("unzip"))
  on.exit(unlink(file.path(path)))

  # Применяем функция предобработки
  if (!is.null(preprocess)) {
    .data <- data.table::fread(file = path)
    .data <- preprocess(data = .data)
    data.table::fwrite(x = .data, file = path, append = FALSE)
    rm(.data)
  }

  # Запрос к БД на импорт CSV
  sql <- sprintf(
    "COPY OFFSET 2 INTO %s FROM '%s' USING DELIMITERS ',','n','"' NULL AS '' BEST EFFORT",
    tablename, path
  )
  # Выполнение запроса к БД
  DBI::dbExecute(con, sql)

  # Добавление записи об успешной загрузке в служебную таблицу
  DBI::dbExecute(con, sprintf("INSERT INTO upload_log(file_name, uploaded) VALUES('%s', true)",
                              filename))

  return(invisible(TRUE))
}

જો તમારે કોષ્ટકને ડેટાબેઝ પર લખતા પહેલા તેને રૂપાંતરિત કરવાની જરૂર હોય, તો તે દલીલમાં પસાર કરવા માટે પૂરતું છે preprocess કાર્ય કે જે ડેટાને રૂપાંતરિત કરશે.

ડેટાબેઝમાં ડેટાને ક્રમિક રીતે લોડ કરવા માટેનો કોડ:

ડેટાબેઝમાં ડેટા લખી રહ્યા છીએ

# Список файлов для записи
files <- unzip(zipfile, list = TRUE)$Name

# Список исключений, если часть файлов уже была загружена
to_skip <- DBI::dbGetQuery(con, "SELECT file_name FROM upload_log")[[1L]]
files <- setdiff(files, to_skip)

if (length(files) > 0L) {
  # Запускаем таймер
  tictoc::tic()
  # Прогресс бар
  pb <- txtProgressBar(min = 0L, max = length(files), style = 3)
  for (i in seq_along(files)) {
    upload_file(con = con, tablename = "doodles", 
                zipfile = zipfile, filename = files[i])
    setTxtProgressBar(pb, i)
  }
  close(pb)
  # Останавливаем таймер
  tictoc::toc()
}

# 526.141 sec elapsed - копирование SSD->SSD
# 558.879 sec elapsed - копирование USB->SSD

ઉપયોગમાં લેવાતી ડ્રાઇવની ઝડપની લાક્ષણિકતાઓને આધારે ડેટા લોડિંગનો સમય બદલાઈ શકે છે. અમારા કિસ્સામાં, એક SSD ની અંદર અથવા ફ્લેશ ડ્રાઇવ (સ્રોત ફાઇલ) થી SSD (DB) માં વાંચવા અને લખવામાં 10 મિનિટથી ઓછો સમય લાગે છે.

પૂર્ણાંક વર્ગ લેબલ અને ઇન્ડેક્સ કૉલમ સાથે કૉલમ બનાવવામાં થોડી વધુ સેકન્ડ લાગે છે (ORDERED INDEX) રેખા નંબરો સાથે કે જેના દ્વારા બેચ બનાવતી વખતે અવલોકનો નમૂના લેવામાં આવશે:

વધારાના કૉલમ અને અનુક્રમણિકા બનાવવી

message("Generate lables")
invisible(DBI::dbExecute(con, "ALTER TABLE doodles ADD label_int int"))
invisible(DBI::dbExecute(con, "UPDATE doodles SET label_int = dense_rank() OVER (ORDER BY word) - 1"))

message("Generate row numbers")
invisible(DBI::dbExecute(con, "ALTER TABLE doodles ADD id serial"))
invisible(DBI::dbExecute(con, "CREATE ORDERED INDEX doodles_id_ord_idx ON doodles(id)"))

ફ્લાય પર બેચ બનાવવાની સમસ્યાને હલ કરવા માટે, અમારે ટેબલમાંથી રેન્ડમ પંક્તિઓ કાઢવાની મહત્તમ ઝડપ હાંસલ કરવાની જરૂર છે. doodles. આ માટે અમે 3 યુક્તિઓનો ઉપયોગ કર્યો. પ્રથમ પ્રકારનું પરિમાણ ઘટાડવાનું હતું જે અવલોકન ID ને સંગ્રહિત કરે છે. મૂળ ડેટા સેટમાં, ID સ્ટોર કરવા માટે જરૂરી પ્રકાર છે bigint, પરંતુ અવલોકનોની સંખ્યા તેમના ઓળખકર્તાઓને, ઓર્ડિનલ નંબરની સમાન, પ્રકારમાં ફિટ કરવાનું શક્ય બનાવે છે. int. આ કિસ્સામાં શોધ વધુ ઝડપી છે. બીજી યુક્તિ વાપરવાની હતી ORDERED INDEX - અમે આ નિર્ણય પર પ્રાયોગિક રીતે આવ્યા છીએ, ઉપલબ્ધ તમામ બાબતોમાંથી પસાર થઈને વિકલ્પો. ત્રીજું પેરામીટરાઇઝ્ડ ક્વેરીઝનો ઉપયોગ કરવાનો હતો. પદ્ધતિનો સાર એ આદેશને એકવાર અમલમાં મૂકવાનો છે PREPARE સમાન પ્રકારના પ્રશ્નોનો સમૂહ બનાવતી વખતે તૈયાર અભિવ્યક્તિના અનુગામી ઉપયોગ સાથે, પરંતુ વાસ્તવમાં એક સરળની તુલનામાં એક ફાયદો છે SELECT આંકડાકીય ભૂલની શ્રેણીમાં હોવાનું બહાર આવ્યું છે.

ડેટા અપલોડ કરવાની પ્રક્રિયા 450 MB થી વધુ RAM નો ઉપયોગ કરતી નથી. એટલે કે, વર્ણવેલ અભિગમ તમને કેટલાક સિંગલ-બોર્ડ ઉપકરણો સહિત, લગભગ કોઈપણ બજેટ હાર્ડવેર પર દસ ગીગાબાઇટ્સ વજનના ડેટાસેટ્સને ખસેડવાની મંજૂરી આપે છે, જે ખૂબ સરસ છે.

જે બાકી રહે છે તે (રેન્ડમ) ડેટા પુનઃપ્રાપ્ત કરવાની ઝડપને માપવા અને વિવિધ કદના બેચના નમૂના લેતી વખતે સ્કેલિંગનું મૂલ્યાંકન કરવાનું છે:

ડેટાબેઝ બેન્ચમાર્ક

library(ggplot2)

set.seed(0)
# Подключение к базе данных
con <- DBI::dbConnect(MonetDBLite::MonetDBLite(), Sys.getenv("DBDIR"))

# Функция для подготовки запроса на стороне сервера
prep_sql <- function(batch_size) {
  sql <- sprintf("PREPARE SELECT id FROM doodles WHERE id IN (%s)",
                 paste(rep("?", batch_size), collapse = ","))
  res <- DBI::dbSendQuery(con, sql)
  return(res)
}

# Функция для извлечения данных
fetch_data <- function(rs, batch_size) {
  ids <- sample(seq_len(n), batch_size)
  res <- DBI::dbFetch(DBI::dbBind(rs, as.list(ids)))
  return(res)
}

# Проведение замера
res_bench <- bench::press(
  batch_size = 2^(4:10),
  {
    rs <- prep_sql(batch_size)
    bench::mark(
      fetch_data(rs, batch_size),
      min_iterations = 50L
    )
  }
)
# Параметры бенчмарка
cols <- c("batch_size", "min", "median", "max", "itr/sec", "total_time", "n_itr")
res_bench[, cols]

#   batch_size      min   median      max `itr/sec` total_time n_itr
#        <dbl> <bch:tm> <bch:tm> <bch:tm>     <dbl>   <bch:tm> <int>
# 1         16   23.6ms  54.02ms  93.43ms     18.8        2.6s    49
# 2         32     38ms  84.83ms 151.55ms     11.4       4.29s    49
# 3         64   63.3ms 175.54ms 248.94ms     5.85       8.54s    50
# 4        128   83.2ms 341.52ms 496.24ms     3.00      16.69s    50
# 5        256  232.8ms 653.21ms 847.44ms     1.58      31.66s    50
# 6        512  784.6ms    1.41s    1.98s     0.740       1.1m    49
# 7       1024  681.7ms    2.72s    4.06s     0.377      2.16m    49

ggplot(res_bench, aes(x = factor(batch_size), y = median, group = 1)) +
  geom_point() +
  geom_line() +
  ylab("median time, s") +
  theme_minimal()

DBI::dbDisconnect(con, shutdown = TRUE)

2. બેચ તૈયાર કરી રહ્યા છીએ

સમગ્ર બેચ તૈયાર કરવાની પ્રક્રિયામાં નીચેના પગલાંઓ શામેલ છે:

1. પોઈન્ટના કોઓર્ડિનેટ્સ સાથે સ્ટ્રિંગ્સના વેક્ટર ધરાવતા ઘણા JSON ને પાર્સિંગ.
2. જરૂરી કદની છબી પર બિંદુઓના કોઓર્ડિનેટ્સ પર આધારિત રંગીન રેખાઓ દોરવી (ઉદાહરણ તરીકે, 256×256 અથવા 128×128).
3. પરિણામી છબીઓને ટેન્સરમાં રૂપાંતરિત કરવી.

પાયથોન કર્નલો વચ્ચેની સ્પર્ધાના ભાગ રૂપે, સમસ્યાનો ઉકેલ મુખ્યત્વે ઉપયોગ કરીને કરવામાં આવ્યો હતો ઓપનસીવી. R માં સૌથી સરળ અને સૌથી સ્પષ્ટ એનાલોગ આના જેવો દેખાશે:

R માં JSON થી ટેન્સર રૂપાંતરણનો અમલ

r_process_json_str <- function(json, line.width = 3, 
                               color = TRUE, scale = 1) {
  # Парсинг JSON
  coords <- jsonlite::fromJSON(json, simplifyMatrix = FALSE)
  tmp <- tempfile()
  # Удаляем временный файл по завершению функции
  on.exit(unlink(tmp))
  png(filename = tmp, width = 256 * scale, height = 256 * scale, pointsize = 1)
  # Пустой график
  plot.new()
  # Размер окна графика
  plot.window(xlim = c(256 * scale, 0), ylim = c(256 * scale, 0))
  # Цвета линий
  cols <- if (color) rainbow(length(coords)) else "#000000"
  for (i in seq_along(coords)) {
    lines(x = coords[[i]][[1]] * scale, y = coords[[i]][[2]] * scale, 
          col = cols[i], lwd = line.width)
  }
  dev.off()
  # Преобразование изображения в 3-х мерный массив
  res <- png::readPNG(tmp)
  return(res)
}

r_process_json_vector <- function(x, ...) {
  res <- lapply(x, r_process_json_str, ...)
  # Объединение 3-х мерных массивов картинок в 4-х мерный в тензор
  res <- do.call(abind::abind, c(res, along = 0))
  return(res)
}

ડ્રોઇંગ પ્રમાણભૂત R સાધનોનો ઉપયોગ કરીને કરવામાં આવે છે અને RAM માં સંગ્રહિત કામચલાઉ PNG માં સાચવવામાં આવે છે (લિનક્સ પર, અસ્થાયી R ડિરેક્ટરીઓ ડિરેક્ટરીમાં સ્થિત છે. /tmp, RAM માં માઉન્ટ થયેલ છે). આ ફાઇલ પછી 0 થી 1 સુધીની સંખ્યાઓ સાથે ત્રિ-પરિમાણીય એરે તરીકે વાંચવામાં આવે છે. આ મહત્વપૂર્ણ છે કારણ કે વધુ પરંપરાગત BMP હેક્સ કલર કોડ્સ સાથે કાચા એરેમાં વાંચવામાં આવશે.

ચાલો પરિણામનું પરીક્ષણ કરીએ:

zip_file <- file.path("data", "train_simplified.zip")
csv_file <- "cat.csv"
unzip(zip_file, files = csv_file, exdir = tempdir(), 
      junkpaths = TRUE, unzip = getOption("unzip"))
tmp_data <- data.table::fread(file.path(tempdir(), csv_file), sep = ",", 
                              select = "drawing", nrows = 10000)
arr <- r_process_json_str(tmp_data[4, drawing])
dim(arr)
# [1] 256 256   3
plot(magick::image_read(arr))

બેચ પોતે નીચે પ્રમાણે રચવામાં આવશે:

res <- r_process_json_vector(tmp_data[1:4, drawing], scale = 0.5)
str(res)
 # num [1:4, 1:128, 1:128, 1:3] 1 1 1 1 1 1 1 1 1 1 ...
 # - attr(*, "dimnames")=List of 4
 #  ..$ : NULL
 #  ..$ : NULL
 #  ..$ : NULL
 #  ..$ : NULL

આ અમલીકરણ અમને અયોગ્ય લાગતું હતું, કારણ કે મોટી બેચની રચનામાં અયોગ્ય રીતે લાંબો સમય લાગે છે, અને અમે શક્તિશાળી પુસ્તકાલયનો ઉપયોગ કરીને અમારા સાથીદારોના અનુભવનો લાભ લેવાનું નક્કી કર્યું. ઓપનસીવી. તે સમયે R માટે કોઈ તૈયાર પેકેજ નહોતું (હવે કોઈ નથી), તેથી જરૂરી કાર્યક્ષમતાનું ન્યૂનતમ અમલીકરણ C++ માં R કોડનો ઉપયોગ કરીને એકીકરણ સાથે લખવામાં આવ્યું હતું. આરસીપીપી.

સમસ્યા હલ કરવા માટે, નીચેના પેકેજો અને પુસ્તકાલયોનો ઉપયોગ કરવામાં આવ્યો હતો:

1. ઓપનસીવી છબીઓ અને રેખાંકન રેખાઓ સાથે કામ કરવા માટે. પ્રી-ઇન્સ્ટોલ કરેલી સિસ્ટમ લાઇબ્રેરીઓ અને હેડર ફાઇલો તેમજ ડાયનેમિક લિંકિંગનો ઉપયોગ કર્યો.

2. xtensor બહુપરીમાણીય એરે અને ટેન્સર્સ સાથે કામ કરવા માટે. અમે સમાન નામના R પેકેજમાં સમાવિષ્ટ હેડર ફાઇલોનો ઉપયોગ કર્યો છે. લાઇબ્રેરી તમને બહુપરીમાણીય એરે સાથે કામ કરવાની પરવાનગી આપે છે, બંને પંક્તિ મુખ્ય અને કૉલમ મુખ્ય ક્રમમાં.

3. ndjson JSON પદચ્છેદન માટે. આ પુસ્તકાલયનો ઉપયોગ માં થાય છે xtensor જો તે પ્રોજેક્ટમાં હાજર હોય તો આપોઆપ.

4. RcppThread JSON તરફથી વેક્ટરની મલ્ટિ-થ્રેડેડ પ્રોસેસિંગ ગોઠવવા માટે. આ પેકેજ દ્વારા પૂરી પાડવામાં આવેલ હેડર ફાઇલોનો ઉપયોગ કર્યો. વધુ લોકપ્રિય થી Rcpp સમાંતર પેકેજ, અન્ય વસ્તુઓની સાથે, બિલ્ટ-ઇન લૂપ ઇન્ટરપ્ટ મિકેનિઝમ ધરાવે છે.

તે નોંધવું વર્થ છે કે xtensor એક ગોડસેન્ડ હોવાનું બહાર આવ્યું: હકીકત એ છે કે તેની પાસે વ્યાપક કાર્યક્ષમતા અને ઉચ્ચ પ્રદર્શન છે, તેના વિકાસકર્તાઓ તદ્દન પ્રતિભાવશીલ હોવાનું બહાર આવ્યું છે અને પ્રશ્નોના તરત અને વિગતવાર જવાબો આપ્યા છે. તેમની મદદથી, ઓપનસીવી મેટ્રિસીસના એક્સટેન્સર ટેન્સરમાં રૂપાંતરણને અમલમાં મૂકવું શક્ય હતું, તેમજ 3-પરિમાણીય ઇમેજ ટેન્સરને યોગ્ય પરિમાણ (બેચ પોતે) ના 4-પરિમાણીય ટેન્સરમાં જોડવાની રીત.

Rcpp, xtensor અને RcppThread શીખવા માટેની સામગ્રી

https://thecoatlessprofessor.com/programming/unofficial-rcpp-api-documentation

https://docs.opencv.org/4.0.1/d7/dbd/group__imgproc.html

https://xtensor.readthedocs.io/en/latest/

https://xtensor.readthedocs.io/en/latest/file_loading.html#loading-json-data-into-xtensor

https://cran.r-project.org/web/packages/RcppThread/vignettes/RcppThread-vignette.pdf

સિસ્ટમ ફાઇલો અને સિસ્ટમ પર ઇન્સ્ટોલ કરેલી લાઇબ્રેરીઓ સાથે ડાયનેમિક લિંકિંગનો ઉપયોગ કરતી ફાઇલોને કમ્પાઇલ કરવા માટે, અમે પેકેજમાં અમલમાં મૂકાયેલ પ્લગઇન મિકેનિઝમનો ઉપયોગ કર્યો. આરસીપીપી. આપમેળે પાથ અને ફ્લેગ્સ શોધવા માટે, અમે એક લોકપ્રિય Linux ઉપયોગિતાનો ઉપયોગ કર્યો છે pkg-config.

OpenCV લાઇબ્રેરીનો ઉપયોગ કરવા માટે Rcpp પ્લગઇનનું અમલીકરણ

Rcpp::registerPlugin("opencv", function() {
  # Возможные названия пакета
  pkg_config_name <- c("opencv", "opencv4")
  # Бинарный файл утилиты pkg-config
  pkg_config_bin <- Sys.which("pkg-config")
  # Проврека наличия утилиты в системе
  checkmate::assert_file_exists(pkg_config_bin, access = "x")
  # Проверка наличия файла настроек OpenCV для pkg-config
  check <- sapply(pkg_config_name, 
                  function(pkg) system(paste(pkg_config_bin, pkg)))
  if (all(check != 0)) {
    stop("OpenCV config for the pkg-config not found", call. = FALSE)
  }

  pkg_config_name <- pkg_config_name[check == 0]
  list(env = list(
    PKG_CXXFLAGS = system(paste(pkg_config_bin, "--cflags", pkg_config_name), 
                          intern = TRUE),
    PKG_LIBS = system(paste(pkg_config_bin, "--libs", pkg_config_name), 
                      intern = TRUE)
  ))
})

પ્લગઇનની કામગીરીના પરિણામે, નીચેના મૂલ્યો સંકલન પ્રક્રિયા દરમિયાન બદલવામાં આવશે:

Rcpp:::.plugins$opencv()$env

# $PKG_CXXFLAGS
# [1] "-I/usr/include/opencv"
#
# $PKG_LIBS
# [1] "-lopencv_shape -lopencv_stitching -lopencv_superres -lopencv_videostab -lopencv_aruco -lopencv_bgsegm -lopencv_bioinspired -lopencv_ccalib -lopencv_datasets -lopencv_dpm -lopencv_face -lopencv_freetype -lopencv_fuzzy -lopencv_hdf -lopencv_line_descriptor -lopencv_optflow -lopencv_video -lopencv_plot -lopencv_reg -lopencv_saliency -lopencv_stereo -lopencv_structured_light -lopencv_phase_unwrapping -lopencv_rgbd -lopencv_viz -lopencv_surface_matching -lopencv_text -lopencv_ximgproc -lopencv_calib3d -lopencv_features2d -lopencv_flann -lopencv_xobjdetect -lopencv_objdetect -lopencv_ml -lopencv_xphoto -lopencv_highgui -lopencv_videoio -lopencv_imgcodecs -lopencv_photo -lopencv_imgproc -lopencv_core"

JSON ને પાર્સ કરવા અને મોડેલમાં ટ્રાન્સમિશન માટે બેચ જનરેટ કરવા માટેનો અમલીકરણ કોડ સ્પોઈલર હેઠળ આપવામાં આવ્યો છે. પ્રથમ, હેડર ફાઇલો શોધવા માટે સ્થાનિક પ્રોજેક્ટ ડિરેક્ટરી ઉમેરો (ndjson માટે જરૂરી):

Sys.setenv("PKG_CXXFLAGS" = paste0("-I", normalizePath(file.path("src"))))

C++ માં ટેન્સર રૂપાંતરણ માટે JSON નો અમલ

// [[Rcpp::plugins(cpp14)]]
// [[Rcpp::plugins(opencv)]]
// [[Rcpp::depends(xtensor)]]
// [[Rcpp::depends(RcppThread)]]

#include <xtensor/xjson.hpp>
#include <xtensor/xadapt.hpp>
#include <xtensor/xview.hpp>
#include <xtensor-r/rtensor.hpp>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <Rcpp.h>
#include <RcppThread.h>

// Синонимы для типов
using RcppThread::parallelFor;
using json = nlohmann::json;
using points = xt::xtensor<double,2>;     // Извлечённые из JSON координаты точек
using strokes = std::vector<points>;      // Извлечённые из JSON координаты точек
using xtensor3d = xt::xtensor<double, 3>; // Тензор для хранения матрицы изоображения
using xtensor4d = xt::xtensor<double, 4>; // Тензор для хранения множества изображений
using rtensor3d = xt::rtensor<double, 3>; // Обёртка для экспорта в R
using rtensor4d = xt::rtensor<double, 4>; // Обёртка для экспорта в R

// Статические константы
// Размер изображения в пикселях
const static int SIZE = 256;
// Тип линии
// См. https://en.wikipedia.org/wiki/Pixel_connectivity#2-dimensional
const static int LINE_TYPE = cv::LINE_4;
// Толщина линии в пикселях
const static int LINE_WIDTH = 3;
// Алгоритм ресайза
// https://docs.opencv.org/3.1.0/da/d54/group__imgproc__transform.html#ga5bb5a1fea74ea38e1a5445ca803ff121
const static int RESIZE_TYPE = cv::INTER_LINEAR;

// Шаблон для конвертирования OpenCV-матрицы в тензор
template <typename T, int NCH, typename XT=xt::xtensor<T,3,xt::layout_type::column_major>>
XT to_xt(const cv::Mat_<cv::Vec<T, NCH>>& src) {
  // Размерность целевого тензора
  std::vector<int> shape = {src.rows, src.cols, NCH};
  // Общее количество элементов в массиве
  size_t size = src.total() * NCH;
  // Преобразование cv::Mat в xt::xtensor
  XT res = xt::adapt((T*) src.data, size, xt::no_ownership(), shape);
  return res;
}

// Преобразование JSON в список координат точек
strokes parse_json(const std::string& x) {
  auto j = json::parse(x);
  // Результат парсинга должен быть массивом
  if (!j.is_array()) {
    throw std::runtime_error("'x' must be JSON array.");
  }
  strokes res;
  res.reserve(j.size());
  for (const auto& a: j) {
    // Каждый элемент массива должен быть 2-мерным массивом
    if (!a.is_array() || a.size() != 2) {
      throw std::runtime_error("'x' must include only 2d arrays.");
    }
    // Извлечение вектора точек
    auto p = a.get<points>();
    res.push_back(p);
  }
  return res;
}

// Отрисовка линий
// Цвета HSV
cv::Mat ocv_draw_lines(const strokes& x, bool color = true) {
  // Исходный тип матрицы
  auto stype = color ? CV_8UC3 : CV_8UC1;
  // Итоговый тип матрицы
  auto dtype = color ? CV_32FC3 : CV_32FC1;
  auto bg = color ? cv::Scalar(0, 0, 255) : cv::Scalar(255);
  auto col = color ? cv::Scalar(0, 255, 220) : cv::Scalar(0);
  cv::Mat img = cv::Mat(SIZE, SIZE, stype, bg);
  // Количество линий
  size_t n = x.size();
  for (const auto& s: x) {
    // Количество точек в линии
    size_t n_points = s.shape()[1];
    for (size_t i = 0; i < n_points - 1; ++i) {
      // Точка начала штриха
      cv::Point from(s(0, i), s(1, i));
      // Точка окончания штриха
      cv::Point to(s(0, i + 1), s(1, i + 1));
      // Отрисовка линии
      cv::line(img, from, to, col, LINE_WIDTH, LINE_TYPE);
    }
    if (color) {
      // Меняем цвет линии
      col[0] += 180 / n;
    }
  }
  if (color) {
    // Меняем цветовое представление на RGB
    cv::cvtColor(img, img, cv::COLOR_HSV2RGB);
  }
  // Меняем формат представления на float32 с диапазоном [0, 1]
  img.convertTo(img, dtype, 1 / 255.0);
  return img;
}

// Обработка JSON и получение тензора с данными изображения
xtensor3d process(const std::string& x, double scale = 1.0, bool color = true) {
  auto p = parse_json(x);
  auto img = ocv_draw_lines(p, color);
  if (scale != 1) {
    cv::Mat out;
    cv::resize(img, out, cv::Size(), scale, scale, RESIZE_TYPE);
    cv::swap(img, out);
    out.release();
  }
  xtensor3d arr = color ? to_xt<double,3>(img) : to_xt<double,1>(img);
  return arr;
}

// [[Rcpp::export]]
rtensor3d cpp_process_json_str(const std::string& x, 
                               double scale = 1.0, 
                               bool color = true) {
  xtensor3d res = process(x, scale, color);
  return res;
}

// [[Rcpp::export]]
rtensor4d cpp_process_json_vector(const std::vector<std::string>& x, 
                                  double scale = 1.0, 
                                  bool color = false) {
  size_t n = x.size();
  size_t dim = floor(SIZE * scale);
  size_t channels = color ? 3 : 1;
  xtensor4d res({n, dim, dim, channels});
  parallelFor(0, n, [&x, &res, scale, color](int i) {
    xtensor3d tmp = process(x[i], scale, color);
    auto view = xt::view(res, i, xt::all(), xt::all(), xt::all());
    view = tmp;
  });
  return res;
}

આ કોડ ફાઇલમાં મૂકવો જોઈએ src/cv_xt.cpp અને આદેશ સાથે કમ્પાઈલ કરો Rcpp::sourceCpp(file = "src/cv_xt.cpp", env = .GlobalEnv); કામ માટે પણ જરૂરી છે nlohmann/json.hpp થી રેપોઝિટોરિયા. કોડ ઘણા કાર્યોમાં વિભાજિત થયેલ છે:

• to_xt - ઇમેજ મેટ્રિક્સને રૂપાંતરિત કરવા માટે એક ટેમ્પલેટેડ કાર્ય (cv::Mat) એક ટેન્સર માટે xt::xtensor;

• parse_json — ફંક્શન JSON સ્ટ્રિંગને પાર્સ કરે છે, પોઈન્ટના કોઓર્ડિનેટ્સને બહાર કાઢે છે, તેમને વેક્ટરમાં પેક કરે છે;

• ocv_draw_lines - બિંદુઓના પરિણામી વેક્ટરમાંથી, બહુ રંગીન રેખાઓ દોરે છે;

• process — ઉપરોક્ત કાર્યોને જોડે છે અને પરિણામી છબીને માપવાની ક્ષમતા પણ ઉમેરે છે;

• cpp_process_json_str - કાર્ય પર આવરણ process, જે પરિણામને આર-ઓબ્જેક્ટ (બહુપરિમાણીય એરે) પર નિકાસ કરે છે;

• cpp_process_json_vector - કાર્ય પર આવરણ cpp_process_json_str, જે તમને મલ્ટી-થ્રેડેડ મોડમાં સ્ટ્રિંગ વેક્ટર પર પ્રક્રિયા કરવાની મંજૂરી આપે છે.

બહુ રંગીન રેખાઓ દોરવા માટે, HSV રંગ મોડેલનો ઉપયોગ કરવામાં આવ્યો હતો, ત્યારબાદ RGB માં રૂપાંતર કરવામાં આવ્યું હતું. ચાલો પરિણામનું પરીક્ષણ કરીએ:

arr <- cpp_process_json_str(tmp_data[4, drawing])
dim(arr)
# [1] 256 256   3
plot(magick::image_read(arr))

R અને C++ માં અમલીકરણની ઝડપની સરખામણી

res_bench <- bench::mark(
  r_process_json_str(tmp_data[4, drawing], scale = 0.5),
  cpp_process_json_str(tmp_data[4, drawing], scale = 0.5),
  check = FALSE,
  min_iterations = 100
)
# Параметры бенчмарка
cols <- c("expression", "min", "median", "max", "itr/sec", "total_time", "n_itr")
res_bench[, cols]

#   expression                min     median       max `itr/sec` total_time  n_itr
#   <chr>                <bch:tm>   <bch:tm>  <bch:tm>     <dbl>   <bch:tm>  <int>
# 1 r_process_json_str     3.49ms     3.55ms    4.47ms      273.      490ms    134
# 2 cpp_process_json_str   1.94ms     2.02ms    5.32ms      489.      497ms    243

library(ggplot2)
# Проведение замера
res_bench <- bench::press(
  batch_size = 2^(4:10),
  {
    .data <- tmp_data[sample(seq_len(.N), batch_size), drawing]
    bench::mark(
      r_process_json_vector(.data, scale = 0.5),
      cpp_process_json_vector(.data,  scale = 0.5),
      min_iterations = 50,
      check = FALSE
    )
  }
)

res_bench[, cols]

#    expression   batch_size      min   median      max `itr/sec` total_time n_itr
#    <chr>             <dbl> <bch:tm> <bch:tm> <bch:tm>     <dbl>   <bch:tm> <int>
#  1 r                   16   50.61ms  53.34ms  54.82ms    19.1     471.13ms     9
#  2 cpp                 16    4.46ms   5.39ms   7.78ms   192.      474.09ms    91
#  3 r                   32   105.7ms 109.74ms 212.26ms     7.69        6.5s    50
#  4 cpp                 32    7.76ms  10.97ms  15.23ms    95.6     522.78ms    50
#  5 r                   64  211.41ms 226.18ms 332.65ms     3.85      12.99s    50
#  6 cpp                 64   25.09ms  27.34ms  32.04ms    36.0        1.39s    50
#  7 r                  128   534.5ms 627.92ms 659.08ms     1.61      31.03s    50
#  8 cpp                128   56.37ms  58.46ms  66.03ms    16.9        2.95s    50
#  9 r                  256     1.15s    1.18s    1.29s     0.851     58.78s    50
# 10 cpp                256  114.97ms 117.39ms 130.09ms     8.45       5.92s    50
# 11 r                  512     2.09s    2.15s    2.32s     0.463       1.8m    50
# 12 cpp                512  230.81ms  235.6ms 261.99ms     4.18      11.97s    50
# 13 r                 1024        4s    4.22s     4.4s     0.238       3.5m    50
# 14 cpp               1024  410.48ms 431.43ms 462.44ms     2.33      21.45s    50

ggplot(res_bench, aes(x = factor(batch_size), y = median, 
                      group =  expression, color = expression)) +
  geom_point() +
  geom_line() +
  ylab("median time, s") +
  theme_minimal() +
  scale_color_discrete(name = "", labels = c("cpp", "r")) +
  theme(legend.position = "bottom") 

જેમ તમે જોઈ શકો છો, ઝડપ વધારો ખૂબ જ નોંધપાત્ર હોવાનું બહાર આવ્યું છે, અને R કોડને સમાંતર કરીને C++ કોડ સાથે પકડવું શક્ય નથી.

3. ડેટાબેઝમાંથી બેચને અનલોડ કરવા માટે ઇટરેટર્સ

R એ RAM માં બંધબેસતા ડેટાની પ્રક્રિયા કરવા માટે સારી રીતે લાયક પ્રતિષ્ઠા ધરાવે છે, જ્યારે Python એ પુનરાવર્તિત ડેટા પ્રોસેસિંગ દ્વારા વધુ લાક્ષણિકતા ધરાવે છે, જે તમને આઉટ-ઓફ-કોર ગણતરીઓ (બાહ્ય મેમરીનો ઉપયોગ કરીને ગણતરીઓ) સરળતાથી અને કુદરતી રીતે અમલમાં મૂકવાની મંજૂરી આપે છે. વર્ણવેલ સમસ્યાના સંદર્ભમાં અમારા માટે ક્લાસિક અને સુસંગત ઉદાહરણ એ ડીપ ન્યુરલ નેટવર્ક્સ છે જે ગ્રેડિયન્ટ ડિસેન્ટ પદ્ધતિ દ્વારા પ્રશિક્ષિત છે અને દરેક પગલા પર અવલોકનોના નાના ભાગ અથવા મીની-બેચનો ઉપયોગ કરીને ગ્રેડિયન્ટના અંદાજ સાથે.

પાયથોનમાં લખેલા ડીપ લર્નિંગ ફ્રેમવર્કમાં વિશિષ્ટ વર્ગો હોય છે જે ડેટાના આધારે પુનરાવર્તકોને અમલમાં મૂકે છે: કોષ્ટકો, ફોલ્ડર્સમાં ચિત્રો, બાઈનરી ફોર્મેટ્સ વગેરે. તમે ચોક્કસ કાર્યો માટે તૈયાર વિકલ્પોનો ઉપયોગ કરી શકો છો અથવા તમારા પોતાના લખી શકો છો. R માં આપણે Python લાઇબ્રેરીની તમામ સુવિધાઓનો લાભ લઈ શકીએ છીએ કેરા સમાન નામના પેકેજનો ઉપયોગ કરીને તેના વિવિધ બેકએન્ડ સાથે, જે બદલામાં પેકેજની ટોચ પર કામ કરે છે જાળીદાર. બાદમાં એક અલગ લાંબા લેખને પાત્ર છે; તે માત્ર તમને R થી Python કોડ ચલાવવાની મંજૂરી આપતું નથી, પણ તમને R અને Python સત્રો વચ્ચે ઑબ્જેક્ટ્સ સ્થાનાંતરિત કરવાની પણ પરવાનગી આપે છે, આપમેળે તમામ જરૂરી પ્રકારના રૂપાંતરણો કરે છે.

અમે MonetDBLite નો ઉપયોગ કરીને તમામ ડેટાને RAM માં સંગ્રહિત કરવાની જરૂરિયાતમાંથી છુટકારો મેળવ્યો, બધા "ન્યુરલ નેટવર્ક" કાર્ય પાયથોનમાં મૂળ કોડ દ્વારા કરવામાં આવશે, અમારે ફક્ત ડેટા પર એક પુનરાવર્તન લખવાનું છે, કારણ કે ત્યાં કંઈ તૈયાર નથી. R અથવા Python માં આવી પરિસ્થિતિ માટે. તેના માટે અનિવાર્યપણે માત્ર બે આવશ્યકતાઓ છે: તેણે અનંત લૂપમાં બેચ પરત કરવા જોઈએ અને તેની સ્થિતિને પુનરાવૃત્તિઓ વચ્ચે સાચવવી જોઈએ (R માં બાદમાં બંધનો ઉપયોગ કરીને સરળ રીતે અમલમાં મૂકવામાં આવે છે). અગાઉ, આર એરેને પુનરાવર્તકની અંદર નમ્પી એરેમાં સ્પષ્ટપણે રૂપાંતરિત કરવું જરૂરી હતું, પરંતુ પેકેજનું વર્તમાન સંસ્કરણ કેરા તે પોતે કરે છે.

તાલીમ અને માન્યતા ડેટા માટે પુનરાવર્તક નીચે મુજબ બહાર આવ્યું:

તાલીમ અને માન્યતા ડેટા માટે ઇટરરેટર

train_generator <- function(db_connection = con,
                            samples_index,
                            num_classes = 340,
                            batch_size = 32,
                            scale = 1,
                            color = FALSE,
                            imagenet_preproc = FALSE) {
  # Проверка аргументов
  checkmate::assert_class(con, "DBIConnection")
  checkmate::assert_integerish(samples_index)
  checkmate::assert_count(num_classes)
  checkmate::assert_count(batch_size)
  checkmate::assert_number(scale, lower = 0.001, upper = 5)
  checkmate::assert_flag(color)
  checkmate::assert_flag(imagenet_preproc)

  # Перемешиваем, чтобы брать и удалять использованные индексы батчей по порядку
  dt <- data.table::data.table(id = sample(samples_index))
  # Проставляем номера батчей
  dt[, batch := (.I - 1L) %/% batch_size + 1L]
  # Оставляем только полные батчи и индексируем
  dt <- dt[, if (.N == batch_size) .SD, keyby = batch]
  # Устанавливаем счётчик
  i <- 1
  # Количество батчей
  max_i <- dt[, max(batch)]

  # Подготовка выражения для выгрузки
  sql <- sprintf(
    "PREPARE SELECT drawing, label_int FROM doodles WHERE id IN (%s)",
    paste(rep("?", batch_size), collapse = ",")
  )
  res <- DBI::dbSendQuery(con, sql)

  # Аналог keras::to_categorical
  to_categorical <- function(x, num) {
    n <- length(x)
    m <- numeric(n * num)
    m[x * n + seq_len(n)] <- 1
    dim(m) <- c(n, num)
    return(m)
  }

  # Замыкание
  function() {
    # Начинаем новую эпоху
    if (i > max_i) {
      dt[, id := sample(id)]
      data.table::setkey(dt, batch)
      # Сбрасываем счётчик
      i <<- 1
      max_i <<- dt[, max(batch)]
    }

    # ID для выгрузки данных
    batch_ind <- dt[batch == i, id]
    # Выгрузка данных
    batch <- DBI::dbFetch(DBI::dbBind(res, as.list(batch_ind)), n = -1)

    # Увеличиваем счётчик
    i <<- i + 1

    # Парсинг JSON и подготовка массива
    batch_x <- cpp_process_json_vector(batch$drawing, scale = scale, color = color)
    if (imagenet_preproc) {
      # Шкалирование c интервала [0, 1] на интервал [-1, 1]
      batch_x <- (batch_x - 0.5) * 2
    }

    batch_y <- to_categorical(batch$label_int, num_classes)
    result <- list(batch_x, batch_y)
    return(result)
  }
}

ફંક્શન ડેટાબેઝ સાથે કનેક્શન સાથે ચલને ઇનપુટ તરીકે લે છે, વપરાયેલી રેખાઓની સંખ્યા, વર્ગોની સંખ્યા, બેચનું કદ, સ્કેલ (scale = 1 256x256 પિક્સેલની રેન્ડરીંગ ઈમેજોને અનુરૂપ છે, scale = 0.5 — 128x128 પિક્સેલ્સ), રંગ સૂચક (color = FALSE જ્યારે ઉપયોગ કરવામાં આવે ત્યારે ગ્રેસ્કેલમાં રેન્ડરીંગનો ઉલ્લેખ કરે છે color = TRUE દરેક સ્ટ્રોક નવા રંગમાં દોરવામાં આવે છે) અને ઇમેજનેટ પર પૂર્વ પ્રશિક્ષિત નેટવર્ક્સ માટે પ્રી-પ્રોસેસિંગ સૂચક. અંતરાલ [0, 1] થી અંતરાલ [-1, 1] સુધી પિક્સેલ મૂલ્યોને સ્કેલ કરવા માટે બાદમાં જરૂરી છે, જેનો ઉપયોગ સપ્લાય કરેલને તાલીમ આપતી વખતે થતો હતો. કેરા મોડેલો

બાહ્ય કાર્યમાં દલીલ પ્રકાર ચકાસણી, એક ટેબલ છે data.table થી રેન્ડમલી મિશ્રિત રેખા નંબરો સાથે samples_index અને બેચ નંબરો, કાઉન્ટર અને બેચની મહત્તમ સંખ્યા, તેમજ ડેટાબેઝમાંથી ડેટા અનલોડ કરવા માટે એસક્યુએલ એક્સપ્રેશન. વધુમાં, અમે અંદરના કાર્યનું ઝડપી એનાલોગ વ્યાખ્યાયિત કર્યું છે keras::to_categorical(). અમે તાલીમ માટે લગભગ તમામ ડેટાનો ઉપયોગ કર્યો, માન્યતા માટે અડધો ટકા છોડી દીધો, તેથી યુગનું કદ પરિમાણ દ્વારા મર્યાદિત હતું steps_per_epoch જ્યારે બોલાવવામાં આવે છે keras::fit_generator(), અને સ્થિતિ if (i > max_i) માત્ર માન્યતા પુનરાવર્તક માટે કામ કર્યું.

આંતરિક કાર્યમાં, આગામી બેચ માટે પંક્તિ અનુક્રમણિકાઓ પુનઃપ્રાપ્ત કરવામાં આવે છે, બેચ કાઉન્ટર વધવા સાથે ડેટાબેઝમાંથી રેકોર્ડ્સ અનલોડ કરવામાં આવે છે, JSON પાર્સિંગ (કાર્ય cpp_process_json_vector(), C++) માં લખાયેલ છે અને ચિત્રોને અનુરૂપ એરે બનાવે છે. પછી વર્ગ લેબલ્સ સાથે વન-હોટ વેક્ટર બનાવવામાં આવે છે, પિક્સેલ મૂલ્યો અને લેબલ્સ સાથેના એરેને સૂચિમાં જોડવામાં આવે છે, જે વળતર મૂલ્ય છે. કાર્યને ઝડપી બનાવવા માટે, અમે કોષ્ટકોમાં અનુક્રમણિકાઓની રચનાનો ઉપયોગ કર્યો data.table અને લિંક દ્વારા ફેરફાર - આ પેકેજ વિના "ચિપ્સ" ડેટા.ટેબલ R માં કોઈપણ નોંધપાત્ર પ્રમાણમાં ડેટા સાથે અસરકારક રીતે કામ કરવાની કલ્પના કરવી ખૂબ મુશ્કેલ છે.

કોર i5 લેપટોપ પર ઝડપ માપનના પરિણામો નીચે મુજબ છે:

ઇટરરેટર બેન્ચમાર્ક

library(Rcpp)
library(keras)
library(ggplot2)

source("utils/rcpp.R")
source("utils/keras_iterator.R")

con <- DBI::dbConnect(drv = MonetDBLite::MonetDBLite(), Sys.getenv("DBDIR"))

ind <- seq_len(DBI::dbGetQuery(con, "SELECT count(*) FROM doodles")[[1L]])
num_classes <- DBI::dbGetQuery(con, "SELECT max(label_int) + 1 FROM doodles")[[1L]]

# Индексы для обучающей выборки
train_ind <- sample(ind, floor(length(ind) * 0.995))
# Индексы для проверочной выборки
val_ind <- ind[-train_ind]
rm(ind)
# Коэффициент масштаба
scale <- 0.5

# Проведение замера
res_bench <- bench::press(
  batch_size = 2^(4:10),
  {
    it1 <- train_generator(
      db_connection = con,
      samples_index = train_ind,
      num_classes = num_classes,
      batch_size = batch_size,
      scale = scale
    )
    bench::mark(
      it1(),
      min_iterations = 50L
    )
  }
)
# Параметры бенчмарка
cols <- c("batch_size", "min", "median", "max", "itr/sec", "total_time", "n_itr")
res_bench[, cols]

#   batch_size      min   median      max `itr/sec` total_time n_itr
#        <dbl> <bch:tm> <bch:tm> <bch:tm>     <dbl>   <bch:tm> <int>
# 1         16     25ms  64.36ms   92.2ms     15.9       3.09s    49
# 2         32   48.4ms 118.13ms 197.24ms     8.17       5.88s    48
# 3         64   69.3ms 117.93ms 181.14ms     8.57       5.83s    50
# 4        128  157.2ms 240.74ms 503.87ms     3.85      12.71s    49
# 5        256  359.3ms 613.52ms 988.73ms     1.54       30.5s    47
# 6        512  884.7ms    1.53s    2.07s     0.674      1.11m    45
# 7       1024     2.7s    3.83s    5.47s     0.261      2.81m    44

ggplot(res_bench, aes(x = factor(batch_size), y = median, group = 1)) +
    geom_point() +
    geom_line() +
    ylab("median time, s") +
    theme_minimal()

DBI::dbDisconnect(con, shutdown = TRUE)

જો તમારી પાસે પૂરતી માત્રામાં RAM હોય, તો તમે ડેટાબેઝને આ જ RAM પર સ્થાનાંતરિત કરીને ગંભીરતાથી તેને ઝડપી બનાવી શકો છો (32 GB અમારા કાર્ય માટે પૂરતું છે). Linux માં, પાર્ટીશન મૂળભૂત રીતે માઉન્ટ થયેલ છે /dev/shm, RAM ની અડધા જેટલી ક્ષમતા ધરાવે છે. તમે સંપાદન કરીને વધુ પ્રકાશિત કરી શકો છો /etc/fstabજેવા રેકોર્ડ મેળવવા માટે tmpfs /dev/shm tmpfs defaults,size=25g 0 0. રીબૂટ કરવાની ખાતરી કરો અને આદેશ ચલાવીને પરિણામ તપાસો df -h.

ટેસ્ટ ડેટા માટે પુનરાવર્તક ખૂબ સરળ લાગે છે, કારણ કે ટેસ્ટ ડેટાસેટ સંપૂર્ણપણે RAM માં બંધબેસે છે:

ટેસ્ટ ડેટા માટે ઇટરરેટર

test_generator <- function(dt,
                           batch_size = 32,
                           scale = 1,
                           color = FALSE,
                           imagenet_preproc = FALSE) {

  # Проверка аргументов
  checkmate::assert_data_table(dt)
  checkmate::assert_count(batch_size)
  checkmate::assert_number(scale, lower = 0.001, upper = 5)
  checkmate::assert_flag(color)
  checkmate::assert_flag(imagenet_preproc)

  # Проставляем номера батчей
  dt[, batch := (.I - 1L) %/% batch_size + 1L]
  data.table::setkey(dt, batch)
  i <- 1
  max_i <- dt[, max(batch)]

  # Замыкание
  function() {
    batch_x <- cpp_process_json_vector(dt[batch == i, drawing], 
                                       scale = scale, color = color)
    if (imagenet_preproc) {
      # Шкалирование c интервала [0, 1] на интервал [-1, 1]
      batch_x <- (batch_x - 0.5) * 2
    }
    result <- list(batch_x)
    i <<- i + 1
    return(result)
  }
}

4. મોડેલ આર્કિટેક્ચરની પસંદગી

પ્રથમ આર્કિટેક્ચરનો ઉપયોગ કરવામાં આવ્યો હતો મોબાઇલનેટ v1, જેનાં લક્ષણોની ચર્ચા કરવામાં આવી છે આ સંદેશ તે ધોરણ તરીકે સમાવવામાં આવેલ છે કેરા અને, તે મુજબ, R માટે સમાન નામના પેકેજમાં ઉપલબ્ધ છે. પરંતુ જ્યારે તેનો ઉપયોગ સિંગલ-ચેનલ ઈમેજો સાથે કરવાનો પ્રયાસ કરવામાં આવે છે, ત્યારે એક વિચિત્ર બાબત બહાર આવી છે: ઇનપુટ ટેન્સરનું પરિમાણ હંમેશા હોવું જોઈએ. (batch, height, width, 3), એટલે કે, ચેનલોની સંખ્યા બદલી શકાતી નથી. પાયથોનમાં આવી કોઈ મર્યાદા નથી, તેથી અમે મૂળ લેખને અનુસરીને આ આર્કિટેક્ચરના અમારા પોતાના અમલીકરણ માટે દોડી ગયા અને લખ્યું (કેરાસ સંસ્કરણમાં ડ્રોપઆઉટ વિના):

મોબાઇલનેટ v1 આર્કિટેક્ચર

library(keras)

top_3_categorical_accuracy <- custom_metric(
    name = "top_3_categorical_accuracy",
    metric_fn = function(y_true, y_pred) {
         metric_top_k_categorical_accuracy(y_true, y_pred, k = 3)
    }
)

layer_sep_conv_bn <- function(object, 
                              filters,
                              alpha = 1,
                              depth_multiplier = 1,
                              strides = c(2, 2)) {

  # NB! depth_multiplier !=  resolution multiplier
  # https://github.com/keras-team/keras/issues/10349

  layer_depthwise_conv_2d(
    object = object,
    kernel_size = c(3, 3), 
    strides = strides,
    padding = "same",
    depth_multiplier = depth_multiplier
  ) %>%
  layer_batch_normalization() %>% 
  layer_activation_relu() %>%
  layer_conv_2d(
    filters = filters * alpha,
    kernel_size = c(1, 1), 
    strides = c(1, 1)
  ) %>%
  layer_batch_normalization() %>% 
  layer_activation_relu() 
}

get_mobilenet_v1 <- function(input_shape = c(224, 224, 1),
                             num_classes = 340,
                             alpha = 1,
                             depth_multiplier = 1,
                             optimizer = optimizer_adam(lr = 0.002),
                             loss = "categorical_crossentropy",
                             metrics = c("categorical_crossentropy",
                                         top_3_categorical_accuracy)) {

  inputs <- layer_input(shape = input_shape)

  outputs <- inputs %>%
    layer_conv_2d(filters = 32, kernel_size = c(3, 3), strides = c(2, 2), padding = "same") %>%
    layer_batch_normalization() %>% 
    layer_activation_relu() %>%
    layer_sep_conv_bn(filters = 64, strides = c(1, 1)) %>%
    layer_sep_conv_bn(filters = 128, strides = c(2, 2)) %>%
    layer_sep_conv_bn(filters = 128, strides = c(1, 1)) %>%
    layer_sep_conv_bn(filters = 256, strides = c(2, 2)) %>%
    layer_sep_conv_bn(filters = 256, strides = c(1, 1)) %>%
    layer_sep_conv_bn(filters = 512, strides = c(2, 2)) %>%
    layer_sep_conv_bn(filters = 512, strides = c(1, 1)) %>%
    layer_sep_conv_bn(filters = 512, strides = c(1, 1)) %>%
    layer_sep_conv_bn(filters = 512, strides = c(1, 1)) %>%
    layer_sep_conv_bn(filters = 512, strides = c(1, 1)) %>%
    layer_sep_conv_bn(filters = 512, strides = c(1, 1)) %>%
    layer_sep_conv_bn(filters = 1024, strides = c(2, 2)) %>%
    layer_sep_conv_bn(filters = 1024, strides = c(1, 1)) %>%
    layer_global_average_pooling_2d() %>%
    layer_dense(units = num_classes) %>%
    layer_activation_softmax()

    model <- keras_model(
      inputs = inputs,
      outputs = outputs
    )

    model %>% compile(
      optimizer = optimizer,
      loss = loss,
      metrics = metrics
    )

    return(model)
}

આ અભિગમના ગેરફાયદા સ્પષ્ટ છે. હું ઘણા બધા મોડલ્સનું પરીક્ષણ કરવા માંગુ છું, પરંતુ તેનાથી વિપરીત, હું દરેક આર્કિટેક્ચરને મેન્યુઅલી ફરીથી લખવા માંગતો નથી. અમે ઇમેજનેટ પર પૂર્વ પ્રશિક્ષિત મોડેલોના વજનનો ઉપયોગ કરવાની તકથી પણ વંચિત હતા. હંમેશની જેમ, દસ્તાવેજોનો અભ્યાસ કરવામાં મદદ મળી. કાર્ય get_config() તમને સંપાદન માટે યોગ્ય ફોર્મમાં મોડેલનું વર્ણન મેળવવાની મંજૂરી આપે છે (base_model_conf$layers - નિયમિત આર યાદી), અને કાર્ય from_config() મોડેલ ઑબ્જેક્ટમાં વિપરીત રૂપાંતરણ કરે છે:

base_model_conf <- get_config(base_model)
base_model_conf$layers[[1]]$config$batch_input_shape[[4]] <- 1L
base_model <- from_config(base_model_conf)

હવે આપેલ કોઈપણ મેળવવા માટે સાર્વત્રિક કાર્ય લખવું મુશ્કેલ નથી કેરા ઇમેજનેટ પર પ્રશિક્ષિત વજન સાથે અથવા વગરના મોડેલો:

તૈયાર આર્કિટેક્ચર લોડ કરવા માટેનું કાર્ય

get_model <- function(name = "mobilenet_v2",
                      input_shape = NULL,
                      weights = "imagenet",
                      pooling = "avg",
                      num_classes = NULL,
                      optimizer = keras::optimizer_adam(lr = 0.002),
                      loss = "categorical_crossentropy",
                      metrics = NULL,
                      color = TRUE,
                      compile = FALSE) {
  # Проверка аргументов
  checkmate::assert_string(name)
  checkmate::assert_integerish(input_shape, lower = 1, upper = 256, len = 3)
  checkmate::assert_count(num_classes)
  checkmate::assert_flag(color)
  checkmate::assert_flag(compile)

  # Получаем объект из пакета keras
  model_fun <- get0(paste0("application_", name), envir = asNamespace("keras"))
  # Проверка наличия объекта в пакете
  if (is.null(model_fun)) {
    stop("Model ", shQuote(name), " not found.", call. = FALSE)
  }

  base_model <- model_fun(
    input_shape = input_shape,
    include_top = FALSE,
    weights = weights,
    pooling = pooling
  )

  # Если изображение не цветное, меняем размерность входа
  if (!color) {
    base_model_conf <- keras::get_config(base_model)
    base_model_conf$layers[[1]]$config$batch_input_shape[[4]] <- 1L
    base_model <- keras::from_config(base_model_conf)
  }

  predictions <- keras::get_layer(base_model, "global_average_pooling2d_1")$output
  predictions <- keras::layer_dense(predictions, units = num_classes, activation = "softmax")
  model <- keras::keras_model(
    inputs = base_model$input,
    outputs = predictions
  )

  if (compile) {
    keras::compile(
      object = model,
      optimizer = optimizer,
      loss = loss,
      metrics = metrics
    )
  }

  return(model)
}

સિંગલ-ચેનલ ઈમેજોનો ઉપયોગ કરતી વખતે, કોઈ પૂર્વ પ્રશિક્ષિત વજનનો ઉપયોગ થતો નથી. આને ઠીક કરી શકાય છે: ફંક્શનનો ઉપયોગ કરીને get_weights() R એરેની સૂચિના રૂપમાં મોડેલનું વજન મેળવો, આ સૂચિના પ્રથમ ઘટકનું પરિમાણ બદલો (એક રંગ ચેનલ લઈને અથવા ત્રણેયની સરેરાશ કરીને), અને પછી ફંક્શન સાથે મોડેલમાં વજન પાછા લોડ કરો. set_weights(). અમે આ કાર્યક્ષમતાને ક્યારેય ઉમેર્યું નથી, કારણ કે આ તબક્કે તે પહેલેથી જ સ્પષ્ટ હતું કે રંગીન ચિત્રો સાથે કામ કરવું વધુ ઉત્પાદક છે.

અમે મોબાઈલનેટ વર્ઝન 1 અને 2, તેમજ resnet34 નો ઉપયોગ કરીને મોટાભાગના પ્રયોગો કર્યા છે. SE-ResNeXt જેવા વધુ આધુનિક આર્કિટેક્ચરોએ આ સ્પર્ધામાં સારું પ્રદર્શન કર્યું. કમનસીબે, અમારી પાસે અમારા નિકાલ પર તૈયાર અમલીકરણો નહોતા, અને અમે અમારા પોતાના લખ્યા નથી (પરંતુ અમે ચોક્કસપણે લખીશું).

5. સ્ક્રિપ્ટ્સનું પેરામીટરાઇઝેશન

સગવડ માટે, તાલીમ શરૂ કરવા માટેના તમામ કોડ સિંગલ સ્ક્રિપ્ટ તરીકે ડિઝાઇન કરવામાં આવ્યા હતા, જેનો ઉપયોગ કરીને પેરામીટરાઇઝ્ડ કરવામાં આવ્યા હતા દસ્તાવેજ નીચે પ્રમાણે છે:

doc <- '
Usage:
  train_nn.R --help
  train_nn.R --list-models
  train_nn.R [options]

Options:
  -h --help                   Show this message.
  -l --list-models            List available models.
  -m --model=<model>          Neural network model name [default: mobilenet_v2].
  -b --batch-size=<size>      Batch size [default: 32].
  -s --scale-factor=<ratio>   Scale factor [default: 0.5].
  -c --color                  Use color lines [default: FALSE].
  -d --db-dir=<path>          Path to database directory [default: Sys.getenv("db_dir")].
  -r --validate-ratio=<ratio> Validate sample ratio [default: 0.995].
  -n --n-gpu=<number>         Number of GPUs [default: 1].
'
args <- docopt::docopt(doc)

પેકેજ દસ્તાવેજ અમલીકરણ રજૂ કરે છે http://docopt.org/ R માટે. તેની મદદ સાથે, સ્ક્રિપ્ટો જેવા સરળ આદેશો સાથે લોન્ચ કરવામાં આવે છે Rscript bin/train_nn.R -m resnet50 -c -d /home/andrey/doodle_db અથવા ./bin/train_nn.R -m resnet50 -c -d /home/andrey/doodle_db, જો ફાઇલ train_nn.R એક્ઝેક્યુટેબલ છે (આ આદેશ મોડેલને તાલીમ આપવાનું શરૂ કરશે resnet50 128x128 પિક્સેલની ત્રણ-રંગની છબીઓ પર, ડેટાબેઝ ફોલ્ડરમાં સ્થિત હોવો જોઈએ /home/andrey/doodle_db). તમે સૂચિમાં શીખવાની ઝડપ, ઑપ્ટિમાઇઝર પ્રકાર અને કોઈપણ અન્ય કસ્ટમાઇઝ કરવા યોગ્ય પરિમાણો ઉમેરી શકો છો. પ્રકાશન તૈયાર કરવાની પ્રક્રિયામાં, તે બહાર આવ્યું કે આર્કિટેક્ચર mobilenet_v2 વર્તમાન સંસ્કરણમાંથી કેરા આર ઉપયોગમાં ન કરી શકો આર પેકેજમાં ધ્યાનમાં લેવામાં ન આવતા ફેરફારોને કારણે, અમે તેને ઠીક કરવા માટે રાહ જોઈ રહ્યા છીએ.

આ અભિગમને કારણે RStudio માં સ્ક્રિપ્ટના વધુ પરંપરાગત લોંચની તુલનામાં વિવિધ મોડેલો સાથેના પ્રયોગોને નોંધપાત્ર રીતે ઝડપી બનાવવાનું શક્ય બન્યું (અમે પેકેજને સંભવિત વિકલ્પ તરીકે નોંધીએ છીએ. tfruns). પરંતુ મુખ્ય ફાયદો એ છે કે આ માટે આરસ્ટુડિયો ઇન્સ્ટોલ કર્યા વિના, ડોકરમાં અથવા ફક્ત સર્વર પર સ્ક્રિપ્ટના લોન્ચને સરળતાથી સંચાલિત કરવાની ક્ષમતા છે.

6. સ્ક્રિપ્ટોનું ડોકરાઇઝેશન

અમે ટીમના સભ્યો વચ્ચેના પ્રશિક્ષણ મોડલ્સ માટે અને ક્લાઉડમાં ઝડપી જમાવટ માટે પર્યાવરણની પોર્ટેબિલિટી સુનિશ્ચિત કરવા માટે ડોકરનો ઉપયોગ કર્યો. તમે આ સાધન સાથે પરિચિત થવાનું શરૂ કરી શકો છો, જે આર પ્રોગ્રામર માટે પ્રમાણમાં અસામાન્ય છે, સાથે આ પ્રકાશનોની શ્રેણી અથવા વિડિઓ કોર્સ.

ડોકર તમને શરૂઆતથી તમારી પોતાની છબીઓ બનાવવા અને તમારી પોતાની બનાવવા માટેના આધાર તરીકે અન્ય છબીઓનો ઉપયોગ કરવાની મંજૂરી આપે છે. ઉપલબ્ધ વિકલ્પોનું વિશ્લેષણ કરતી વખતે, અમે નિષ્કર્ષ પર આવ્યા કે NVIDIA, CUDA+cuDNN ડ્રાઇવરો અને Python લાઇબ્રેરીઓ ઇન્સ્ટોલ કરવી એ ઇમેજનો એકદમ મોટો ભાગ છે, અને અમે સત્તાવાર છબીને આધાર તરીકે લેવાનું નક્કી કર્યું. tensorflow/tensorflow:1.12.0-gpu, ત્યાં જરૂરી R પેકેજો ઉમેરી રહ્યા છે.

અંતિમ ડોકર ફાઇલ આના જેવી દેખાતી હતી:

ડોકરફાઇલ

FROM tensorflow/tensorflow:1.12.0-gpu

MAINTAINER Artem Klevtsov <[email protected]>

SHELL ["/bin/bash", "-c"]

ARG LOCALE="en_US.UTF-8"
ARG APT_PKG="libopencv-dev r-base r-base-dev littler"
ARG R_BIN_PKG="futile.logger checkmate data.table rcpp rapidjsonr dbi keras jsonlite curl digest remotes"
ARG R_SRC_PKG="xtensor RcppThread docopt MonetDBLite"
ARG PY_PIP_PKG="keras"
ARG DIRS="/db /app /app/data /app/models /app/logs"

RUN source /etc/os-release && 
    echo "deb https://cloud.r-project.org/bin/linux/ubuntu ${UBUNTU_CODENAME}-cran35/" > /etc/apt/sources.list.d/cran35.list && 
    apt-key adv --keyserver keyserver.ubuntu.com --recv-keys E084DAB9 && 
    add-apt-repository -y ppa:marutter/c2d4u3.5 && 
    add-apt-repository -y ppa:timsc/opencv-3.4 && 
    apt-get update && 
    apt-get install -y locales && 
    locale-gen ${LOCALE} && 
    apt-get install -y --no-install-recommends ${APT_PKG} && 
    ln -s /usr/lib/R/site-library/littler/examples/install.r /usr/local/bin/install.r && 
    ln -s /usr/lib/R/site-library/littler/examples/install2.r /usr/local/bin/install2.r && 
    ln -s /usr/lib/R/site-library/littler/examples/installGithub.r /usr/local/bin/installGithub.r && 
    echo 'options(Ncpus = parallel::detectCores())' >> /etc/R/Rprofile.site && 
    echo 'options(repos = c(CRAN = "https://cloud.r-project.org"))' >> /etc/R/Rprofile.site && 
    apt-get install -y $(printf "r-cran-%s " ${R_BIN_PKG}) && 
    install.r ${R_SRC_PKG} && 
    pip install ${PY_PIP_PKG} && 
    mkdir -p ${DIRS} && 
    chmod 777 ${DIRS} && 
    rm -rf /tmp/downloaded_packages/ /tmp/*.rds && 
    rm -rf /var/lib/apt/lists/*

COPY utils /app/utils
COPY src /app/src
COPY tests /app/tests
COPY bin/*.R /app/

ENV DBDIR="/db"
ENV CUDA_HOME="/usr/local/cuda"
ENV PATH="/app:${PATH}"

WORKDIR /app

VOLUME /db
VOLUME /app

CMD bash

અનુકૂળતા માટે, ઉપયોગમાં લેવાતા પેકેજોને ચલોમાં મૂકવામાં આવ્યા હતા; એસેમ્બલી દરમિયાન મોટાભાગની લેખિત સ્ક્રિપ્ટ કન્ટેનરની અંદર નકલ કરવામાં આવે છે. અમે આદેશ શેલ પણ બદલ્યો છે /bin/bash સામગ્રીના ઉપયોગમાં સરળતા માટે /etc/os-release. આનાથી કોડમાં OS સંસ્કરણનો ઉલ્લેખ કરવાની જરૂરિયાત ટાળી શકાય છે.

વધુમાં, એક નાની બેશ સ્ક્રિપ્ટ લખવામાં આવી હતી જે તમને વિવિધ આદેશો સાથે કન્ટેનર શરૂ કરવાની મંજૂરી આપે છે. ઉદાહરણ તરીકે, આ અગાઉ કન્ટેનરની અંદર મૂકવામાં આવેલા ન્યુરલ નેટવર્કને તાલીમ આપવા માટેની સ્ક્રિપ્ટો અથવા કન્ટેનરની કામગીરીને ડિબગીંગ અને મોનિટર કરવા માટે કમાન્ડ શેલ હોઈ શકે છે:

કન્ટેનર લોંચ કરવા માટેની સ્ક્રિપ્ટ

#!/bin/sh

DBDIR=${PWD}/db
LOGSDIR=${PWD}/logs
MODELDIR=${PWD}/models
DATADIR=${PWD}/data
ARGS="--runtime=nvidia --rm -v ${DBDIR}:/db -v ${LOGSDIR}:/app/logs -v ${MODELDIR}:/app/models -v ${DATADIR}:/app/data"

if [ -z "$1" ]; then
    CMD="Rscript /app/train_nn.R"
elif [ "$1" = "bash" ]; then
    ARGS="${ARGS} -ti"
else
    CMD="Rscript /app/train_nn.R $@"
fi

docker run ${ARGS} doodles-tf ${CMD}

જો આ બેશ સ્ક્રિપ્ટ પરિમાણો વિના ચલાવવામાં આવે છે, તો સ્ક્રિપ્ટને કન્ટેનરની અંદર બોલાવવામાં આવશે train_nn.R ડિફૉલ્ટ મૂલ્યો સાથે; જો પ્રથમ સ્થાનીય દલીલ "bash" હોય, તો કન્ટેનર કમાન્ડ શેલ સાથે ઇન્ટરેક્ટિવ રીતે શરૂ થશે. અન્ય તમામ કેસોમાં, સ્થિતિકીય દલીલોના મૂલ્યો બદલવામાં આવે છે: CMD="Rscript /app/train_nn.R $@".

તે નોંધવું યોગ્ય છે કે સ્રોત ડેટા અને ડેટાબેઝ સાથેની ડિરેક્ટરીઓ, તેમજ પ્રશિક્ષિત મોડલ્સને સાચવવા માટેની ડિરેક્ટરી, હોસ્ટ સિસ્ટમમાંથી કન્ટેનરની અંદર માઉન્ટ થયેલ છે, જે તમને બિનજરૂરી મેનીપ્યુલેશન્સ વિના સ્ક્રિપ્ટ્સના પરિણામોને ઍક્સેસ કરવાની મંજૂરી આપે છે.

7. Google Cloud પર બહુવિધ GPU નો ઉપયોગ કરવો

સ્પર્ધાની વિશેષતાઓમાંની એક ખૂબ જ ઘોંઘાટવાળો ડેટા હતો (શીર્ષકનું ચિત્ર જુઓ, ODS સ્લેકમાંથી @Leigh.plt પરથી ઉધાર લીધેલ). મોટા બૅચેસ આનો સામનો કરવામાં મદદ કરે છે, અને 1 GPU સાથે પીસી પર પ્રયોગો પછી, અમે ક્લાઉડમાં ઘણા GPUs પર તાલીમ મોડલ્સને માસ્ટર કરવાનું નક્કી કર્યું. વપરાયેલ GoogleCloud (મૂળભૂત માટે સારી માર્ગદર્શિકા) ઉપલબ્ધ રૂપરેખાંકનોની મોટી પસંદગી, વાજબી કિંમતો અને $300 બોનસને કારણે. લોભથી, મેં SSD અને એક ટન RAM સાથે 4xV100 દાખલાનો ઓર્ડર આપ્યો, અને તે એક મોટી ભૂલ હતી. આવી મશીન ઝડપથી પૈસા ખાઈ જાય છે; તમે સાબિત પાઇપલાઇન વિના અખતરા કરી શકો છો. શૈક્ષણિક હેતુઓ માટે, K80 લેવાનું વધુ સારું છે. પરંતુ મોટી માત્રામાં રેમ હાથમાં આવી - ક્લાઉડ એસએસડી તેના પ્રદર્શનથી પ્રભાવિત થઈ શક્યું નહીં, તેથી ડેટાબેઝને ટ્રાન્સફર કરવામાં આવ્યો dev/shm.

બહુવિધ GPU નો ઉપયોગ કરવા માટે જવાબદાર કોડ ફ્રેગમેન્ટ સૌથી વધુ રસપ્રદ છે. પ્રથમ, પાયથોનની જેમ, સંદર્ભ મેનેજરનો ઉપયોગ કરીને CPU પર મોડેલ બનાવવામાં આવે છે:

with(tensorflow::tf$device("/cpu:0"), {
  model_cpu <- get_model(
    name = model_name,
    input_shape = input_shape,
    weights = weights,
    metrics =(top_3_categorical_accuracy,
    compile = FALSE
  )
})

પછી અનકમ્પાઇલ કરેલ (આ અગત્યનું છે) મોડેલ આપેલ ઉપલબ્ધ GPU ની સંખ્યા પર કૉપિ કરવામાં આવે છે, અને તે પછી જ તે સંકલિત થાય છે:

model <- keras::multi_gpu_model(model_cpu, gpus = n_gpu)
keras::compile(
  object = model,
  optimizer = keras::optimizer_adam(lr = 0.0004),
  loss = "categorical_crossentropy",
  metrics = c(top_3_categorical_accuracy)
)

છેલ્લા એક સિવાયના તમામ સ્તરોને ફ્રીઝ કરવાની, છેલ્લા સ્તરને તાલીમ આપવાની, ઘણા GPU માટે સંપૂર્ણ મોડલને અનફ્રીઝ કરવાની અને ફરીથી તાલીમ આપવાની ક્લાસિક તકનીક અમલમાં મૂકી શકાઈ નથી.

ઉપયોગ કર્યા વિના તાલીમનું નિરીક્ષણ કરવામાં આવ્યું હતું. ટેન્સરબોર્ડ, દરેક યુગ પછી માહિતીપ્રદ નામો સાથે લૉગ્સ રેકોર્ડ કરવા અને મોડલને સાચવવા માટે જાતને મર્યાદિત કરીએ છીએ:

કૉલબૅક્સ

# Шаблон имени файла лога
log_file_tmpl <- file.path("logs", sprintf(
  "%s_%d_%dch_%s.csv",
  model_name,
  dim_size,
  channels,
  format(Sys.time(), "%Y%m%d%H%M%OS")
))
# Шаблон имени файла модели
model_file_tmpl <- file.path("models", sprintf(
  "%s_%d_%dch_{epoch:02d}_{val_loss:.2f}.h5",
  model_name,
  dim_size,
  channels
))

callbacks_list <- list(
  keras::callback_csv_logger(
    filename = log_file_tmpl
  ),
  keras::callback_early_stopping(
    monitor = "val_loss",
    min_delta = 1e-4,
    patience = 8,
    verbose = 1,
    mode = "min"
  ),
  keras::callback_reduce_lr_on_plateau(
    monitor = "val_loss",
    factor = 0.5, # уменьшаем lr в 2 раза
    patience = 4,
    verbose = 1,
    min_delta = 1e-4,
    mode = "min"
  ),
  keras::callback_model_checkpoint(
    filepath = model_file_tmpl,
    monitor = "val_loss",
    save_best_only = FALSE,
    save_weights_only = FALSE,
    mode = "min"
  )
)

8. નિષ્કર્ષને બદલે

અસંખ્ય સમસ્યાઓ કે જેનો અમે સામનો કર્યો છે તે હજુ સુધી દૂર કરવામાં આવી નથી:

• в કેરા શ્રેષ્ઠ શિક્ષણ દર (એનાલોગ lr_finder પુસ્તકાલયમાં ઝડપી.એ.આઈ); કેટલાક પ્રયત્નો સાથે, તૃતીય-પક્ષ અમલીકરણોને R પર પોર્ટ કરવાનું શક્ય છે, ઉદાહરણ તરીકે, આ;
• અગાઉના મુદ્દાના પરિણામે, ઘણા GPU નો ઉપયોગ કરતી વખતે યોગ્ય તાલીમ ઝડપ પસંદ કરવાનું શક્ય ન હતું;
• આધુનિક ન્યુરલ નેટવર્ક આર્કિટેક્ચરનો અભાવ છે, ખાસ કરીને ઇમેજનેટ પર પૂર્વ પ્રશિક્ષિત;
• કોઈ એક ચક્ર નીતિ અને ભેદભાવપૂર્ણ શિક્ષણ દર (કોસાઈન એનિલિંગ અમારી વિનંતી પર હતું અમલમાં મૂક્યો, આભાર સ્કાયડેન).

આ સ્પર્ધામાંથી કઈ ઉપયોગી બાબતો શીખવા મળી:

• પ્રમાણમાં ઓછા-પાવર હાર્ડવેર પર, તમે પીડા વિના યોગ્ય (RAM ના કદ કરતાં ઘણી વખત) ડેટાના વોલ્યુમો સાથે કામ કરી શકો છો. પ્લાસ્ટિકની થેલી ડેટા.ટેબલ કોષ્ટકોના ઇન-પ્લેસ ફેરફારને કારણે મેમરીને બચાવે છે, જે તેમની નકલ કરવાનું ટાળે છે, અને જ્યારે યોગ્ય રીતે ઉપયોગમાં લેવાય છે, ત્યારે તેની ક્ષમતાઓ લગભગ હંમેશા સ્ક્રિપ્ટીંગ ભાષાઓ માટે અમને જાણીતા તમામ સાધનોમાં સૌથી વધુ ઝડપ દર્શાવે છે. ડેટાબેઝમાં ડેટા સાચવવાથી તમે, ઘણા કિસ્સાઓમાં, સમગ્ર ડેટાસેટને RAM માં સ્ક્વિઝ કરવાની જરૂરિયાત વિશે બિલકુલ વિચારતા નથી.
• R માં ધીમા કાર્યોને પેકેજનો ઉપયોગ કરીને C++ માં ઝડપી કાર્યો સાથે બદલી શકાય છે આરસીપીપી. જો ઉપયોગ કરવા ઉપરાંત RcppThread અથવા Rcpp સમાંતર, અમને ક્રોસ-પ્લેટફોર્મ મલ્ટી-થ્રેડેડ અમલીકરણ મળે છે, તેથી R સ્તર પર કોડને સમાંતર કરવાની જરૂર નથી.
• પેકેજ આરસીપીપી C++ ના ગંભીર જ્ઞાન વિના ઉપયોગ કરી શકાય છે, જરૂરી ન્યૂનતમ દર્શાવેલ છે અહીં. જેવી અસંખ્ય ઠંડી સી-લાઇબ્રેરીઓ માટે હેડર ફાઇલો xtensor CRAN પર ઉપલબ્ધ છે, એટલે કે પ્રોજેક્ટના અમલીકરણ માટે એક ઇન્ફ્રાસ્ટ્રક્ચરની રચના કરવામાં આવી રહી છે જે તૈયાર ઉચ્ચ-પ્રદર્શન C++ કોડને R માં સંકલિત કરે છે. વધારાની સગવડ સિન્ટેક્સ હાઇલાઇટિંગ અને RStudio માં સ્થિર C++ કોડ વિશ્લેષક છે.
• દસ્તાવેજ તમને પરિમાણો સાથે સ્વ-સમાયેલ સ્ક્રિપ્ટો ચલાવવા માટે પરવાનગી આપે છે. આ રિમોટ સર્વર પર વાપરવા માટે અનુકૂળ છે, સહિત. ડોકર હેઠળ. આરસ્ટુડિયોમાં, ન્યુરલ નેટવર્કને તાલીમ આપવા સાથે ઘણા કલાકો પ્રયોગો કરવા અસુવિધાજનક છે, અને સર્વર પર IDE ઇન્સ્ટોલ કરવું હંમેશા ન્યાયી નથી.
• ડોકર કોડ પોર્ટેબિલિટી અને OS અને લાઇબ્રેરીઓના વિવિધ સંસ્કરણો ધરાવતા વિકાસકર્તાઓ વચ્ચે પરિણામોની પુનઃઉત્પાદનક્ષમતા તેમજ સર્વર પર અમલમાં સરળતાની ખાતરી કરે છે. તમે માત્ર એક આદેશ વડે સમગ્ર તાલીમ પાઇપલાઇન શરૂ કરી શકો છો.
• Google Cloud એ ખર્ચાળ હાર્ડવેર પર પ્રયોગ કરવાની બજેટ-ફ્રેંડલી રીત છે, પરંતુ તમારે રૂપરેખાંકનો કાળજીપૂર્વક પસંદ કરવાની જરૂર છે.
• વ્યક્તિગત કોડના ટુકડાઓની ઝડપ માપવી એ ખૂબ જ ઉપયોગી છે, ખાસ કરીને જ્યારે R અને C++નું સંયોજન અને પેકેજ સાથે બેન્ચ - પણ ખૂબ જ સરળ.

એકંદરે આ અનુભવ ખૂબ જ લાભદાયી હતો અને અમે ઊભા થયેલા કેટલાક મુદ્દાઓને ઉકેલવા માટે કામ કરવાનું ચાલુ રાખીએ છીએ.

સોર્સ: www.habr.com