Tamin'ny fararano lasa teo, dia nampiantrano fifaninanana hanasokajiana ny sary vita tanana, Quick Draw Doodle Recognition i Kaggle, izay anisan'ny nandraisan'ny ekipan'ny R-scientists: Artem Klevtsova, Philippa Manager ΠΈ Andrey Ogurtsov. Tsy holazainay amin'ny antsipiriany ny fifaninanana fa efa natao tao famoahana vao haingana.
Tamin'ity indray mitoraka ity dia tsy nahomby tamin'ny fiompiana medaly, fa traikefa sarobidy maro no azo, noho izany dia te-hilaza amin'ny fiaraha-monina momba ny zavatra mahaliana sy mahasoa maro momba an'i Kagle sy amin'ny asa andavanandro aho. Anisanβny noresahina: fiainana sarotra tsy misy OpenCV, JSON parsing (ireo ohatra ireo dia mandinika ny fampidirana ny code C++ amin'ny script na fonosana amin'ny R mampiasa Rcpp), famaritana ny script sy ny dockerization ny vahaolana farany. Ny kaody rehetra avy amin'ny hafatra amin'ny endrika sahaza ho an'ny famonoana dia misy ao repository.
Ny angon-drakitra amin'ity fifaninanana ity dia tsy omena amin'ny endrika sary efa vita, fa amin'ny endrika rakitra CSV 340 (rakitra iray ho an'ny kilasy tsirairay) misy JSON misy koordinate. Amin'ny fampifandraisana ireo teboka amin'ny tsipika ireo dia mahazo sary farany mirefy 256x256 piksel. Ho an'ny firaketana tsirairay ihany koa dia misy etikety manondro raha nahafantatra tsara ilay sary tamin'ny mpanasokajy nampiasaina tamin'ny fotoana nanangonana ny angon-drakitra, fehezan-dalΓ na misy litera roa amin'ny firenena onenan'ny mpanoratra ny sary, famantarana tokana, marika famantaranandro ary anaran-kilasy mifanaraka amin'ny anaran'ny rakitra. Ny dikan-teny notsorina tamin'ny angona tany am-boalohany dia milanja 7.4 GB ao amin'ny arisiva ary eo amin'ny 20 GB eo ho eo aorian'ny famoahana azy, ny angon-drakitra feno aorian'ny famongorana dia mahatratra 240 GB. Ny mpikarakara dia niantoka fa ny dikan-teny roa dia naverin'ny sary iray mitovy, midika izany fa ny dikan-teny feno dia miverimberina. Na ahoana na ahoana, ny fitehirizana sary 50 tapitrisa amin'ny rakitra sary na amin'ny endrika array dia noheverina ho tsy mahasoa avy hatrany, ary nanapa-kevitra izahay fa hanambatra ny rakitra CSV rehetra avy amin'ny arisiva. train_simplified.zip ao amin'ny angon-drakitra miaraka amin'ny taranaka sary manaraka ny habe ilaina "amin'ny sidina" ho an'ny andiany tsirairay.
Rafitra voaporofo tsara no nofidiana ho DBMS MonetDB, izany hoe fampiharana ho an'ny R ho fonosana MonetDBLite. Ny fonosana dia misy dikan-teny mipetaka amin'ny mpizara database ary ahafahanao maka ny mpizara mivantana avy amin'ny fivoriana R ary miara-miasa aminy ao. Ny famoronana angon-drakitra sy ny fampifandraisana azy dia atao amin'ny baiko iray:
con <- DBI::dbConnect(drv = MonetDBLite::MonetDBLite(), Sys.getenv("DBDIR"))
Mila mamorona latabatra roa isika: ny iray ho an'ny angon-drakitra rehetra, ny iray ho an'ny fampahalalana momba ny serivisy momba ny rakitra alaina (ilaina raha misy tsy mety ary tsy maintsy averina ny dingana rehefa avy misintona rakitra maromaro):
Ny fomba haingana indrindra hampidirana angona ao amin'ny tahiry dia ny mandika mivantana ny rakitra CSV amin'ny fampiasana SQL - command COPY OFFSET 2 INTO tablename FROM path USING DELIMITERS ',','n','"' NULL AS '' BEST EFFORTizay tablename - anarana latabatra sy path - ny lalana mankany amin'ny rakitra. Raha niasa tamin'ny arsiva, dia hita fa ny naorina-in fampiharana unzip amin'ny R dia tsy mandeha tsara amin'ny rakitra maromaro avy amin'ny arisiva, noho izany dia nampiasa ny rafitra izahay unzip (mampiasa ny parameter getOption("unzip")).
Raha mila manova ny latabatra ianao alohan'ny hanoratana azy amin'ny angon-drakitra, dia ampy ny mandalo amin'ny adihevitra preprocess asa izay hanova ny angona.
Kaody ho an'ny fametrahana angon-drakitra misesy ao anaty angon-drakitra:
Mety hiovaova arakaraka ny toetran'ny hafainganam-pandehan'ny fiara ampiasaina ny fotoana fandefasana angona. Amin'ity tranga ity, ny famakiana sy fanoratana ao anatin'ny SSD iray na avy amin'ny kapila tselatra (rakitra loharano) mankany amin'ny SSD (DB) dia mitaky latsaky ny 10 minitra.
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)"))
Mba hamahana ny olana amin'ny famoronana batch amin'ny lalitra, dia mila hahatratra ny hafainganam-pandeha ambony indrindra ny fakana andalana kisendrasendra avy amin'ny latabatra. doodles. Ho an'izany dia nampiasa tricks 3 izahay. Ny voalohany dia ny fampihenana ny refin'ny karazana mitahiry ny ID tsikaritra. Ao amin'ny fitambaran'ny angona tany am-boalohany, ny karazana ilaina hitahirizana ny ID dia bigint, fa ny isan'ny fandinihana dia ahafahana mampifanaraka ny famantarana azy ireo, mitovy amin'ny isa ordinal, amin'ny karazana int. Haingana kokoa ny fikarohana amin'ity tranga ity. Ny fika faharoa dia ny fampiasana ORDERED INDEX - Tonga tamin'io fanapahan-kevitra io izahay, rehefa nandalo izay rehetra azo atao safidy. Ny fahatelo dia ny fampiasana fanontaniana voatokana. Ny fototry ny fomba dia ny fanatanterahana ny baiko indray mandeha PREPARE miaraka amin'ny fampiasana fitenenana voaomana manaraka rehefa mamorona andiana fanontaniana mitovy karazana, fa raha ny marina dia misy tombony raha oharina amin'ny tsotra SELECT nivadika ho ao anatin'ny fetran'ny fahadisoana ara-statistika.
Ny dingan'ny fampiakarana angon-drakitra dia mandany tsy mihoatra ny 450 MB an'ny RAM. Izany hoe, ny fomba voalaza dia ahafahanao mamindra angona milanja gigabytes am-polony amin'ny saika fitaovana rehetra momba ny tetibola, ao anatin'izany ny fitaovana tokana tokana, izay tena mahafinaritra.
Ny hany sisa tavela dia ny fandrefesana ny hafainganan'ny fakana angona (kisendrasendra) sy ny fanombantombanana ny scaling rehefa maka santionany amin'ny habe samihafa:
Manao tsipika miloko mifototra amin'ny fandrindrana ny teboka amin'ny sary amin'ny habeny ilaina (ohatra, 256 Γ 256 na 128 Γ 128).
Manova ny sary ho lasa tensor.
Ao anatin'ny fifaninanana eo amin'ny kernel Python, ny olana dia voavaha voalohany indrindra amin'ny fampiasana OpenCV. Ny iray amin'ireo analogue tsotra sy mazava indrindra amin'ny R dia toa izao:
Fampiharana ny JSON ho Tensor Conversion ao amin'ny R
Ny sary dia atao amin'ny fampiasana fitaovana R mahazatra ary voatahiry ao amin'ny PNG vonjimaika voatahiry ao amin'ny RAM (amin'ny Linux, ny lahatahiry R vonjimaika dia hita ao amin'ny lahatahiry. /tmp, napetraka ao amin'ny RAM). Ity rakitra ity dia vakiana toy ny laharan-tsarimihetsika telo misy isa manomboka amin'ny 0 ka hatramin'ny 1. Zava-dehibe izany satria ny BMP mahazatra kokoa dia ho vakiana ao anaty laharan-kira manta misy kaody loko hex.
Ity fampiharana ity dia toa tsy dia tsara loatra taminay, satria ny fananganana andiany lehibe dia mitaky fotoana lava be, ary nanapa-kevitra izahay ny hanararaotra ny traikefan'ny mpiara-miasa aminay amin'ny fampiasana tranomboky matanjaka. OpenCV. Tamin'izany fotoana izany dia tsy nisy fonosana efa vonona ho an'ny R (tsy misy ankehitriny), ka ny fampiharana kely indrindra amin'ny fampiasa ilaina dia nosoratana tamin'ny C ++ miaraka amin'ny fampidirana ao amin'ny kaody R mampiasa Rcpp.
Mba hamahana ny olana dia ireto fonosana sy trano famakiam-boky manaraka ireto no nampiasaina:
OpenCV ho an'ny miasa amin'ny sary sy ny fanaovana tsipika. Famakiam-boky rafitra efa napetraka mialoha sy rakitra lohapejy, ary koa fampifandraisana mavitrika.
xtensor ho an'ny miasa miaraka amin'ny array sy tensor multidimensional. Nampiasa fisie lohan-doha tafiditra ao amin'ny fonosana R mitovy anarana izahay. Ny trano famakiam-boky dia ahafahanao miasa miaraka amin'ny array multidimensional, na amin'ny laharana lehibe na tsanganana lehibe.
ndjson ho an'ny famafazana JSON. Ity tranomboky ity dia ampiasaina amin'ny xtensor ho azy raha misy ao amin'ny tetikasa.
RcppThread ho an'ny fandaminana ny fanodinana maromaro amin'ny vector avy amin'ny JSON. Nampiasa ny rakitra lohapejy nomen'ity fonosana ity. Avy amin'ny malaza kokoa RcppParallel Ny fonosana, ankoatry ny zavatra hafa, dia manana rafitra fanelanelanana an-dalamby.
Tsara ny manamarika izany xtensor Nivadika ho fanomezam-boninahitra an'Andriamanitra: ankoatry ny zava-misy fa manana fiasa be dia be sy fampisehoana avo lenta, ny mpamorona azy dia tena namaly ary namaly fanontaniana haingana sy tamin'ny antsipiriany. Noho ny fanampian'izy ireo dia azo natao ny nampihatra ny fiovan'ny matrices OpenCV ho lasa xtensor tensor, ary koa fomba iray hanambatra ny tensor sary 3-dimensional ho lasa tensor 4-dimensional amin'ny refy marina (ny batch mihitsy).
Mba hanangonana rakitra mampiasa rakitra rafitra sy fifandraisana mavitrika amin'ny tranomboky napetraka ao amin'ny rafitra dia nampiasa ny mekanika plugin napetraka tao amin'ny fonosana izahay. Rcpp. Mba hahitana lalana sy saina ho azy dia nampiasa fitaovana Linux malaza izahay pkg-config.
Fampiharana ny plugin Rcpp amin'ny fampiasana ny tranomboky OpenCV
Ny fehezan-dalΓ na fampiharana ho an'ny famafana ny JSON sy ny famoronana andiana ho an'ny fandefasana amin'ny modely dia omena eo ambanin'ny mpandroba. Voalohany, ampio lahatahiry tetikasa eo an-toerana hitadiavana rakitra lohateny (ilaina amin'ny ndjson):
Araka ny hitanao dia tena zava-dehibe tokoa ny fitomboan'ny hafainganam-pandeha, ary tsy azo atao ny manatratra ny kaody C ++ amin'ny fampitoviana ny kaody R.
R dia manana laza mendrika amin'ny fanodinana angon-drakitra mifanaraka amin'ny RAM, raha toa kosa i Python dia miavaka amin'ny fanodinana angon-drakitra miverimberina, mamela anao hampihatra mora foana ny kajikajy ivelan'ny fototra (kajy mampiasa fitadidiana ivelany). Ny ohatra mahazatra sy manan-danja ho antsika amin'ny tontolon'ny olana voalaza dia ny tambajotra neural lalina nampiofanina tamin'ny fomba gradient descent miaraka amin'ny fanombanana ny gradient isaky ny dingana amin'ny fampiasana ampahany kely amin'ny fandinihana, na mini-batch.
Ny rafitra fianarana lalina nosoratana amin'ny Python dia manana kilasy manokana izay manatanteraka iterators mifototra amin'ny angona: latabatra, sary ao anaty lahatahiry, endrika binary, sns. Azonao atao ny mampiasa safidy efa vita na manoratra ny anao manokana ho an'ny asa manokana. Ao amin'ny R dia afaka manararaotra ny endri-javatra rehetra ao amin'ny tranomboky Python isika keras miaraka amin'ny lamosiny isan-karazany mampiasa ny fonosana mitovy anarana, izay miasa eo an-tampon'ny fonosana mamerina. Ity farany dia mendrika lahatsoratra lava mitokana; tsy vitan'ny hoe mamela anao mihazakazaka Python code avy amin'ny R, fa koa mamela anao hamindra zavatra eo amin'ny R sy Python sessions, mandeha ho azy ny karazana fiovam-po ilaina rehetra.
Nesorintsika ny filana hitahiry ny angon-drakitra rehetra ao amin'ny RAM amin'ny alΓ lan'ny MonetDBite, ny asa "tambajotra neural" rehetra dia hatao amin'ny alΓ lan'ny kaody tany am-boalohany ao amin'ny Python, mila manoratra iterare amin'ny data isika, satria tsy misy vonona. ho an'ny toe-javatra toy izany amin'ny R na Python. Tsy misy afa-tsy roa ihany ny fepetra takiana amin'izany: tsy maintsy mamerina batch amin'ny tadivavarana tsy misy farany izy ary mitahiry ny toerany eo anelanelan'ny famerimberenana (ity farany amin'ny R dia ampiharina amin'ny fomba tsotra indrindra amin'ny alΓ lan'ny fanakatonana). Teo aloha dia ilaina ny mamadika mazava ny R arrays ho numpy arrays ao anatin'ny iterator, fa ny dikan-teny ankehitriny amin'ny fonosana. keras manao izany ny tenany.
Ny iteratera ho an'ny angon-drakitra fanofanana sy fanamarinana dia toy izao manaraka izao:
Iterator ho an'ny angona fanofanana sy fanamarinana
Ny fiasa dia mandray ho toy ny fampidirana ny fari-piainana misy fifandraisana amin'ny angon-drakitra, ny isan'ny andalana ampiasaina, ny isan'ny kilasy, ny haben'ny batch, ny habeny (scale = 1 mifanaraka amin'ny famoahana sary 256x256 piksel, scale = 0.5 β 128x128 teboka), famantarana loko (color = FALSE mamaritra ny fanaovana amin'ny grayscale rehefa ampiasaina color = TRUE ny kapoka tsirairay dia voasintona amin'ny loko vaovao) ary famantarana mialoha ny fanodinana ho an'ny tambajotra efa voaofana mialoha amin'ny imagenet. Ity farany dia ilaina mba hanesorana ny sandan'ny pixel manomboka amin'ny elanelana [0, 1] mankany amin'ny elanelana [-1, 1], izay nampiasaina tamin'ny fanofanana ireo nomena. keras modely.
Ny fiasa ivelany dia misy fanamarinana karazana argument, latabatra data.table miaraka amin'ny isa andalana mifangaro kisendrasendra avy amin'ny samples_index ary ny laharan'ny batch, ny isa sy ny isa ambony indrindra amin'ny andiany, ary koa ny fomba fiteny SQL amin'ny famoahana angona avy amin'ny angona. Fanampin'izay, namaritra analogue haingana ny fiasa ao anatiny izahay keras::to_categorical(). Saika nampiasa ny angona rehetra izahay ho an'ny fanofanana, namela antsasaky ny isan-jato ho an'ny fanamarinana, ka ny haben'ny vanim-potoana dia noferan'ny parameter steps_per_epoch rehefa antsoina keras::fit_generator(), ary ny fepetra if (i > max_i) dia niasa ho an'ny mpizara validation ihany.
Ao amin'ny asa anatiny, ny index row dia alaina ho an'ny andiany manaraka, ny rakitra dia alefa avy amin'ny angon-drakitra miaraka amin'ny fitomboan'ny batch, ny JSON parsing (asa cpp_process_json_vector(), voasoratra ao amin'ny C++) ary mamorona array mifanaraka amin'ny sary. Avy eo dia noforonina ny vectors mafana iray misy marika kilasy, ny arrays miaraka amin'ny sanda pixel sy ny marika dia atambatra ao anaty lisitra, izay ny sanda miverina. Mba hanafainganana ny asa dia nampiasa ny famoronana indexes amin'ny tabilao izahay data.table ary fanovana amin'ny alΓ lan'ny rohy - tsy misy ireto fonosana "chips" ireto data.table Sarotra ny maka sary an-tsaina hoe miasa tsara amin'ny angon-drakitra manan-danja ao amin'ny R.
Ny vokatry ny fandrefesana hafainganam-pandeha amin'ny solosaina finday Core i5 dia toy izao manaraka izao:
Ny maritrano voalohany nampiasaina dia mobilenet v1, ny endri-javatra izay resahina ao izany hafatra. Tafiditra ho fenitra keras ary, araka izany, dia hita ao amin'ny fonosana mitovy anarana ho an'ny R. Saingy rehefa manandrana mampiasa azy amin'ny sary tokana tokana, dia nisy zavatra hafahafa niseho: ny tensor fampidirana dia tsy maintsy manana ny refy foana. (batch, height, width, 3), izany hoe tsy azo ovaina ny isan'ny fantsona. Tsy misy fetra toy izany ao amin'ny Python, noho izany dia nihazakazaka izahay ary nanoratra ny fampiharana manokana an'ity maritrano ity, manaraka ny lahatsoratra tany am-boalohany (tsy misy ny fialana amin'ny dikan-teny mafy):
Miharihary ny fatiantoka aminβio fomba fiasa io. Te-hitsapa modely maro aho, fa ny mifanohitra amin'izany, tsy te-hamerina ny maritrano tsirairay amin'ny tanana aho. Nesorina taminay ihany koa ny fahafahana mampiasa ny lanjan'ny modely efa voaofana mialoha amin'ny imagenet. Toy ny mahazatra, nanampy ny fandalinana ny antontan-taratasy. asa get_config() ahafahanao mahazo famaritana ny maodely amin'ny endrika sahaza ho an'ny fanitsiana (base_model_conf$layers - lisitra R mahazatra), ary ny fiasa from_config() manao ny fiovam-po mivadika ho zavatra modely:
Amin'izao fotoana izao dia tsy sarotra ny manoratra asa manerantany mba hahazoana ny iray amin'ireo nomena keras modely misy na tsy misy lanja voaofana amin'ny imagenet:
Fampiasa amin'ny fametrahana ny maritrano efa vita
Rehefa mampiasa sary amin'ny fantsona tokana dia tsy misy lanja efa voaomana mialoha. Azo fehezina izany: mampiasa ny fiasa get_weights() alaivo ny lanjan'ny maodely amin'ny endrika lisitry ny R arrays, ovay ny refin'ny singa voalohany amin'ity lisitra ity (amin'ny alΓ lan'ny fakana fantsona loko iray na amin'ny salan'isa telo), ary avereno ao amin'ny modely miaraka amin'ny fiasa ny lanja. set_weights(). Tsy nanampy an'io fiasa io mihitsy izahay, satria tamin'ity dingana ity dia efa mazava fa mamokatra kokoa ny miasa amin'ny sary miloko.
Nanao ny ankamaroan'ny andrana izahay tamin'ny fampiasana mobilenet version 1 sy 2, ary koa ny resnet34. Ny maritrano maoderina kokoa toa ny SE-ResNeXt dia nahavita tsara tamin'ity fifaninanana ity. Indrisy anefa fa tsy nanana fampiharana efa vonona izahay, ary tsy nanoratra ny anay (fa hanoratra tokoa izahay).
5. Famaritana ny script
Ho fanamorana, ny kaody rehetra hanombohana fiofanana dia natao ho script tokana, ampiasaina amin'ny parameter docopt toy izao manaraka izao:
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)
fonosana docopt maneho ny fampiharana http://docopt.org/ ho an'ny R. Miaraka amin'ny fanampiany, ny script dia natomboka tamin'ny baiko tsotra toy ny Rscript bin/train_nn.R -m resnet50 -c -d /home/andrey/doodle_db na ./bin/train_nn.R -m resnet50 -c -d /home/andrey/doodle_db, raha fichier train_nn.R dia azo tanterahina (ity baiko ity dia hanomboka hampiofana ny modely resnet50 amin'ny sary miloko telo mirefy 128x128 piksel, ny angon-drakitra dia tsy maintsy hita ao amin'ny lahatahiry /home/andrey/doodle_db). Azonao atao ny manampy ny hafainganan'ny fianarana, ny karazana optimizer, ary ny masontsivana hafa azo zahana amin'ny lisitra. Nandritra ny fanomanana ny famoahana dia hita fa ny maritrano mobilenet_v2 avy amin'ny dikan-teny ankehitriny keras amin'ny fampiasana R tsy afaka noho ny fanovana tsy noraisina tao amin'ny fonosana R dia miandry azy ireo hanamboatra azy izahay.
Io fomba fiasa io dia nahafahana nanafaingana be ny andrana tamin'ny maodely samihafa raha oharina amin'ny fandefasana script mahazatra kokoa ao amin'ny RStudio (marihinay ny fonosana ho safidy azo atao. tfruns). Fa ny tombony lehibe indrindra dia ny fahafahana mitantana mora foana ny fandefasana script ao amin'ny Docker na amin'ny mpizara fotsiny, tsy misy fametrahana RStudio ho an'izany.
6. Dockerization ny script
Nampiasa Docker izahay mba hiantohana ny fahafahan'ny tontolo iainana amin'ny fanofanana modely eo amin'ny mpikambana ao amin'ny ekipa sy ny fametrahana haingana ao amin'ny rahona. Azonao atao ny manomboka mifankazatra amin'ity fitaovana ity, izay tsy mahazatra ho an'ny programmer R, miaraka amin'ny izany andian-dahatsoratra na taranja video.
Docker dia mamela anao hamorona ny sarinao manokana avy amin'ny scratch ary hampiasa sary hafa ho fototry ny famoronana anao manokana. Rehefa nandinika ireo safidy misy izahay dia tonga tamin'ny fanatsoahan-kevitra fa ny fametrahana ny NVIDIA, ny mpamily CUDA + cuDNN ary ny tranomboky Python dia ampahany be dia be amin'ny sary, ary nanapa-kevitra izahay fa haka ny sary ofisialy ho fototra. tensorflow/tensorflow:1.12.0-gpu, manampy ny fonosana R ilaina ao.
Ho fanamorana, ny fonosana ampiasaina dia napetraka ao anaty faribolana; ny ankamaroan'ny soratra voasoratra dia adika ao anatin'ny fitoeran-javatra mandritra ny fivoriambe. Nanova ny baiko shell koa izahay /bin/bash ho fanamorana ny fampiasana votoaty /etc/os-release. Izany dia nanalavitra ny filana mamaritra ny dikan-teny OS amin'ny code.
Fanampin'izany, nosoratana ny script bash kely izay ahafahanao manangana container misy baiko isan-karazany. Ohatra, ireo dia mety ho sora-baventy hanofanana tambajotra neural izay napetraka teo aloha tao anatin'ny kaontenera, na shell baiko ho an'ny debugging sy fanaraha-maso ny fiasan'ny container:
Soraty ny fandefasana ny container
#!/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}
Raha toa ka mandeha tsy misy masontsivana ity script bash ity dia hantsoina ao anatin'ny container ny script train_nn.R miaraka amin'ny sanda mahazatra; raha "bash" ny tohan-kevitra voalohany amin'ny toerana, dia hanomboka hifanerasera amin'ny akorandriaka baiko ilay fitoeran-javatra. Amin'ny tranga hafa rehetra, ny soatoavin'ny tohan-kevitra positional dia soloina: CMD="Rscript /app/train_nn.R $@".
Tsara ny manamarika fa ny lahatahiry miaraka amin'ny angon-drakitra loharano sy ny angon-drakitra, ary koa ny lahatahiry ho an'ny fitahirizana modely voaofana, dia apetraka ao anatin'ny kaontenera avy amin'ny rafitra mpampiantrano, izay ahafahanao miditra amin'ny valin'ny script tsy misy fanodikodinana tsy ilaina.
7. Mampiasa GPU maro amin'ny Google Cloud
Anisan'ny mampiavaka ny fifaninanana ny angon-drakitra mitabataba be (jereo ny sarin'ny lohateny, nindramina tao @ Leigh.plt avy amin'ny ODS slack). Ny andiany lehibe dia manampy amin'ny ady amin'izany, ary taorian'ny fanandramana tamin'ny PC misy GPU 1, dia nanapa-kevitra ny hifehy modely fanofanana amin'ny GPU maromaro ao anaty rahona izahay. GoogleCloud nampiasa (tari-dalana tsara amin'ny fototra) noho ny fifantenana be dia be amin'ny fanamafisana misy, ny vidiny mirary ary ny bonus $300. Noho ny fitiavam-bola dia nanafatra ohatra 4xV100 miaraka amin'ny SSD sy RAM iray taonina aho, ary fahadisoana lehibe izany. Mandany vola haingana ny milina toy izany; afaka manao fanandramana ianao raha tsy misy fantsona voaporofo. Ho an'ny tanjona fanabeazana dia tsara kokoa ny maka ny K80. Saingy ny habetsaky ny RAM dia azo ampiasaina - ny rahona SSD dia tsy nanaitra ny fahombiazany, ka nafindra tany dev/shm.
Ny tena mahaliana indrindra dia ny sombin-kaody tompon'andraikitra amin'ny fampiasana GPU maro. Voalohany, ny modely dia noforonina amin'ny CPU amin'ny fampiasana mpitantana ny contexte, toy ny ao amin'ny Python:
Ny teknika mahazatra amin'ny fanamainana ny sosona rehetra afa-tsy ny farany, ny fanofanana ny sosona farany, ny fanalefahana ary ny famerenana ny modely manontolo ho an'ny GPU maromaro dia tsy azo ampiharina.
Nojerena tsy nampiasaina ny fiofanana. tensorboard, mametra ny tenantsika amin'ny firaketana diary sy mitahiry ireo maodely misy anarana mampahafantatra isaky ny vanim-potoana tsirairay:
tsy misy politikan'ny tsingerina sy ny tahan'ny fianarana manavakavaka (nangataka ny cosine annealing ampiharina, Misaotra anao skeydan).
Inona no zavatra mahasoa nianarana tamin'ity fifaninanana ity:
Amin'ny fitaovana matanjaka kely dia afaka miasa miaraka amin'ny angon-drakitra mendrika (imbetsaka ny haben'ny RAM) tsy misy fanaintainana ianao. Kitapo plastika data.table mitahiry fitadidiana noho ny fanovana latabatra eo amin'ny toerana, izay misoroka ny kopia azy ireo, ary rehefa ampiasaina araka ny tokony ho izy, ny fahaizany dia saika mampiseho ny hafainganam-pandeha ambony indrindra amin'ireo fitaovana rehetra fantatray momba ny fiteny fanoratana. Ny fitahirizana angon-drakitra ao anaty angon-drakitra dia mamela anao, amin'ny tranga maro, tsy hieritreritra mihitsy momba ny filΓ na hanindry ny angona manontolo ao amin'ny RAM.
Ny fiasa miadana amin'ny R dia azo soloina amin'ny haingana amin'ny C ++ amin'ny fampiasana ny fonosana Rcpp. Raha ankoatra ny fampiasana RcppThread na RcppParallel, dia mahazo fampiharana maromaro misy kofehy mifamatotra amin'ny sehatra, ka tsy ilaina ny mampitovy ny kaody amin'ny ambaratonga R.
Package Rcpp azo ampiasaina tsy misy fahalalana matotra momba ny C ++, ny kely indrindra takiana dia voasoritra eto. Lohateny rakitra ho an'ny tranomboky C mangatsiatsiaka toy ny xtensor azo alaina ao amin'ny CRAN, izany hoe, misy fotodrafitrasa atsangana ho an'ny fanatanterahana ny tetikasa izay mampiditra ny kaody C++ avo lenta vita amin'ny R. Ny fanampim-panazavana fanampiny dia ny fanasongadinana ny syntax ary ny mpanadihady kaody C++ static ao amin'ny RStudio.
docopt mamela anao hampandeha sora-baventy manana mari-pamantarana. Ity dia mety amin'ny fampiasana amin'ny mpizara lavitra, anisan'izany. ambany docker. Ao amin'ny RStudio, sarotra ny manao andrana mandritra ny ora maro amin'ny fanofanana tambajotra neural, ary ny fametrahana ny IDE amin'ny server dia tsy voamarina foana.
Docker dia miantoka ny fampitana kaody sy ny famerenana ny valiny eo amin'ny mpamorona miaraka amin'ny dikan-teny samihafa amin'ny OS sy ny tranomboky, ary koa ny fanamorana ny famonoana amin'ny mpizara. Azonao atao ny manomboka ny fantsona fanofanana manontolo amin'ny baiko iray monja.
Google Cloud dia fomba mora amin'ny tetibola hanandramana fitaovana lafo vidy, saingy mila misafidy tsara ianao.
Ny fandrefesana ny hafainganam-pandehan'ny sombin-kaody tsirairay dia tena ilaina, indrindra rehefa manambatra ny R sy C ++, ary miaraka amin'ny fonosana dabilio - tena mora ihany koa.
Amin'ny ankapobeny dia tena nahafa-po ity traikefa ity ary manohy miasa izahay hamahana ny sasany amin'ireo olana nipoitra.