570,000 枚の画像のデータセットがあり、90%、5%、5% の分割率でトレーニング、検証、テストに分割されています。
MobileNetV2 で転移学習を使用してモデルのトレーニングを開始しました。
データがロードされている場所:
train_dataset = image_dataset_from_directory(
directory=TRAIN_DIR,
labels="inferred",
label_mode="categorical",
class_names=["0", "10", "5"],
image_size=SIZE,
seed=SEED,
subset=None,
interpolation="bilinear",
follow_links=False,
)
モデル:
baseModel = MobileNetV2(
include_top=False,
input_shape=INPUT_SHAPE,
weights='imagenet')
headModel = baseModel.output
headModel = AveragePooling2D(pool_size=(7, 7))(headModel)
headModel = Flatten(name="flatten")(headModel)
headModel = Dense(512, activation="relu")(headModel)
headModel = Dropout(0.5)(headModel)
headModel = Dense(3, activation="softmax")(headModel)
# place the head FC model on top of the base model (this will become
# the actual model we will train)
model = Model(inputs=baseModel.input, outputs=headModel)
# loop over all layers in the base model and freeze them so they will
# *not* be updated during the training process
for layer in baseModel.layers:
layer.trainable = False
モデルの概要:
Total params: 2,915,395
Trainable params: 657,411
Non-trainable params: 2,257,984
私が使用している Nvidia K80 は次のように活用されています。
jupyter@tensorflow-4-vm:~$ nvidia-smi
Fri Sep 4 16:23:01 2020
+
------------------------
------------------------
-----+
| NVIDIA-SMI 418.87.01 Driver Version: 418.87.01 CUDA Version: 10.1 |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
|===============================+======================+======================|
| 0 Tesla K80 Off | 00000000:00:04.0 Off | 0 |
| N/A 55C P0 58W / 149W | 10871MiB / 11441MiB | 0% Default |
+-------------------------------+----------------------+----------------------+
+
------------------------
------------------------
-----+
| Processes: GPU Memory |
| GPU PID Type Process name Usage |
|=============================================================================|
| 0 8129 C /opt/conda/bin/python 10858MiB |
+
------------------------
------------------------
-----+
METRICS = [
TruePositives(name='tp'),
FalsePositives(name='fp'),
TrueNegatives(name='tn'),
FalseNegatives(name='fn'),
BinaryAccuracy(name='accuracy'),
Precision(name='precision'),
Recall(name='recall'),
AUC(name='auc'),
]
model.compile(optimizer=Adam(learning_rate=0.0001),
loss="categorical_crossentropy",
metrics=METRICS)
CALLBACKS = [
ReduceLROnPlateau(verbose=1),
ModelCheckpoint(
'/home/jupyter/checkpoint/model.{epoch:02d}-{val_loss:.2f}.hdf5',
verbose=1),
]
history = model.fit(train_dataset,epochs = 50,verbose=1, batch_size= 32, callbacks= CALLBACKS, validation_data=validation_dataset)
しかし、単一エポックでのトレーニングは非常に時間がかかります。
これほど遅い原因は何でしょうか?
# Batch size = 32
Epoch 1/50
17/16229 [..............................] - ETA: 196:20:59 - loss: 1.2727 - tp: 169.0000 - fp: 211.0000 - tn: 877.0000 - fn: 375.0000 - accuracy: 0.6409 - precision: 0.4447 - recall: 0.3107 - auc: 0.5755
データをどのようにロードしていますか、またどのバッチサイズを使用していますか?
– Dr.スヌーピー
2020 年 9 月 4 日 16:40
データは、VM インスタンスにマウントされている Google Cloud Platform ストレージ バケットからロードされています。バッチ サイズ 32 を使用しました。
– ユディエシュ
2020 年 9 月 4 日 16:41
いいえ、コード内でデータがどのように読み込まれているかということです。これはデータ読み込みのボトルネックのようです。
– 博士。スヌーピー
2020 年 9 月 4 日 16:42
ああ、image_dataset_from_directory() を使用しています
– ユディエシュ
2020 年 9 月 4 日 16:42
はい、でもどうやって?そのコードとすべてのモデル フィッティング コードを追加してください。
– Dr.スヌーピー
2020 年 9 月 4 日 16:44
------------------------
データの読み込みに問題があるのではないかと思います。ネットワーク経由で各ファイルをロードする場合、考慮すべき点がいくつかあります。最良の方法は、データをローカル ストレージにコピーしてからトレーニングすることです。
それが不可能な場合は、データのロードに TFRecord を使用してみてください (使用方法は、https://www.tensorflow.org/tutorials/load_data/tfrecord で確認できます)。また、ストレージと VM が同じリージョンにあることを確認してください。
2
バケットをインスタンスにマウントする代わりに、データを VM インスタンスに直接コピーしてみます。それがうまくいかない場合は、ja TFRecord を試してみます。
– ユディエシュ
2020 年 9 月 4 日 17:19
また、VM インスタンスとストレージ バケットは私と同じリージョンにあります。
– ユディエシュ
2020 年 9 月 4 日 17:19
------------------------
この問題は、以下を使用してデータセットを VM インスタンスに直接ロードすることで修正されました。
gcloud compute scp /Users/yudhiesh/Desktop/frames_split.zip jupyter@tensorflow-5-vm:~
次に、フォルダーを VM インスタンスのホーム ディレクトリに解凍します。
モデルのトレーニングにかかる時間は 1 時間未満になりましたポチ。