61日_<차량 파손 인공지능> 프로젝트 test 과정 설명

차량 파손 인공지능 

 

데이터셋

-SOCA에서 학습시킨 모델(파손영역을 segmentation하는 모델) 사용

-CPU 이용해서 돌림

-U_net의 encoder는 resnet34 기반

-pre_trade weight는 imagenet 사용

-torch를 이용해서 미리 학습된 모델을 불러옴

 

 

model.load_state_dict(torch.load(PATH, map_location=device))

 

GPU에서 학습한 모델을, CPU에서 불러올 때는

torch.load() 함수의 map_location 인자에 'cpu' 값을 전달함

 

 

*CUDA

CPU 에 맡기면, 10시간이 걸리도록 계속 실행되고 있는 경우가 허다함.

그럴 때 GPU 에게 계산을 맡기면 계산시간을 줄일 수 있는데, 이 기술을 GPGPU 라고 함. 

 

병렬적 계산일 때 GPGPU를 쓰면, CPU보다 100배정도 빠른 계산속도를 냄.

그렇다고 GPGPU가 무조건 좋은것은 아닙니다.  (CPU로 계산처리를 하는게 더 빠른 경우도 있음)

 GPGPU를 사용할 수있는 소프트웨어로는 CUDA, OpenCL 등이 있다.

 

 

이미지 로드

모델을 다 로드 하고 난 뒤에는

테스트 해볼 이미지를 로드해야 함 ㅎㅎ

 

-모델 input으로 들어가는 사이즈는 가로 256, 세로 256

-RGB color system의 이미지가 들어감.

 

-최초 창의 크기를 가로 세로 8인치로 설정한 뒤,

-이미지를 표시해줌.