物件檢測(cè) (objectdetection) 或物件定位 (object location) 是目前普及度最高的人工智能應(yīng)用，也是過(guò)去幾年中神經(jīng)網(wǎng)絡(luò)發(fā)展最迅猛的領(lǐng)域，短短幾年之中創(chuàng)造出非常多優(yōu)異的經(jīng)典算法，并且各有所長(zhǎng)，如今在數(shù)量與質(zhì)量上都還持續(xù)進(jìn)化中，這現(xiàn)象其實(shí)也是造成使用者很大困擾之處，因?yàn)榫烤鼓姆N神經(jīng)網(wǎng)絡(luò)最適合您的使用場(chǎng)景，最終還是得經(jīng)過(guò)實(shí)際驗(yàn)證之后才能確認(rèn)。

TAO 工具非常高效地協(xié)助我們解決這個(gè)難題，讓我們?cè)诓涣私飧鞣N神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)與算法、也不熟悉 Tensorflow 或 Pytorch 這些復(fù)雜框架之前，不用撰寫(xiě)任何 C++ 或 Python 代碼，就能非常輕易地訓(xùn)練好深度學(xué)習(xí)模型，并且快速驗(yàn)證不同網(wǎng)絡(luò)模型的性能與效果，這估計(jì)能減少能降低 80% 以上的前期學(xué)習(xí)與評(píng)估的時(shí)間成本。

在 TAO 的 cv_samples 里提供多個(gè)物件檢測(cè)算法，包括 detectnet_v2、dssd、ssd、facenet、fast_rcnn、lprnet、mask_rcnn、retinanet、unet、ssd、yolo_v4等十多個(gè)物件檢測(cè)范例，每一個(gè)流程與本系列前一個(gè) “圖像分類(lèi)的模型訓(xùn)練” 的范例是一致的，因此這里只挑選目前普及度較高的 ssd 神經(jīng)網(wǎng)絡(luò)進(jìn)行示范就行。

首先進(jìn)入 Jupyter 操作界面，打開(kāi) cv_samples/ssd/ssd.ipynb腳本，然后按照以下步驟逐步執(zhí)行：

0. 環(huán)境變量配置與路徑映射（Setup env variables and map drives）：

在系列文章 “視覺(jué)類(lèi)訓(xùn)練腳本的環(huán)境配置” 內(nèi)有詳細(xì)的講解，這里只要對(duì)下面兩變量進(jìn)行處理就可以：

• %env KEY=<您的NGC秘鑰>

• 將“%envLOCAL_PROJECT_DIR=YOUR_LOCAL_PROJECT_DIR_PATH”改成“os.environ["LOCAL_PROJECT_DIR"] = os.getcwd()”

然后執(zhí)行這部分的 4 個(gè)指令塊

1. 安裝 TAO 啟動(dòng)器（Install the TAO launcher）：

跳過(guò)第一個(gè)安裝指令塊，執(zhí)行“!tao info”指令塊就行。

2. 準(zhǔn)備數(shù)據(jù)集與預(yù)訓(xùn)練模型（Preparedataset and pre-trained model）

數(shù)據(jù)集處理通常是模型訓(xùn)練過(guò)程比較消耗人力的步驟。這里推薦不使用腳本里的步驟去下載與解壓縮，因?yàn)檫@里指向的下載位置在國(guó)外網(wǎng)站，這對(duì)大部分使用者是很困擾的，因此最好自行手動(dòng)下載處理。

(1) TAO 的物件檢測(cè)模型訓(xùn)練支持 KITTI 標(biāo)注格式，這里使用的范例數(shù)據(jù)集與系列文章“視覺(jué)數(shù)據(jù)格式處理與增強(qiáng)”是同一套，如果前面實(shí)驗(yàn)已將下載的話(huà)就復(fù)制一份過(guò)來(lái)就行，也可以重新在https://pan.baidu.com/s/1WcRt9ONqsYhLRmL8Rg8_YQ（密碼855n），下載 data_object_image_2.zip 與 data_object_label_2.zip 到 ssd.ipynb 相同目錄下，然后執(zhí)行以下指令進(jìn)行解壓縮：

cd ~/tao/cv_samples/ssd  # 請(qǐng)根據(jù)您實(shí)際路徑unzip -u data_object_image_2.zip -d dataunzip-udata_object_label_2.zip-ddata

會(huì)在這個(gè)工作目錄下生成 data/training/image_2、data/training/label_2 與 data/testing三個(gè)子目錄，其中訓(xùn)練用數(shù)據(jù)量為 7481 張圖片、測(cè)試數(shù)據(jù)量為 7518 張。

如果有自己的數(shù)據(jù)集想要轉(zhuǎn)到 TAO 來(lái)進(jìn)行訓(xùn)練，除了先將標(biāo)注格式轉(zhuǎn)成 KITTI 之外，最好也遵循上面的路徑結(jié)構(gòu)，這樣就不需修改 spec 目錄下相關(guān)配置文件里面的設(shè)定值，對(duì)初學(xué)者是最便利的方式。

(1) 接著調(diào)用 generate_val_dataset.py，從訓(xùn)練數(shù)據(jù)中提取 10% 內(nèi)容作為校驗(yàn)用途，存放在 data/val 目錄，于是在 data/training 下面的圖像與標(biāo)注文件數(shù)量就剩下 6733 個(gè)。然后執(zhí)行 “2.3Generate tfrecords” 指令塊，將訓(xùn)練與校驗(yàn)數(shù)據(jù)集都轉(zhuǎn)成 tfrecords 格式，分別存放在對(duì)應(yīng)的路徑之下。

(2) 如果要配合遷移學(xué)習(xí)功能的話(huà)，接下來(lái)就是從 NGC 下載合適的預(yù)訓(xùn)練模型。這里選擇的是 “nvidia/tao/pretrained_object_detection:resnet18”，最終下載的模型文件為 89MB 大小的 resnet_18.hdf5 模型文件。

只要這個(gè)數(shù)據(jù)集整理步驟做得完整，后面的部分就會(huì)很簡(jiǎn)單。

3. 提供訓(xùn)練用配置文件（Providetraining specification）

在 TAO 所有范例里，配置文件是所有內(nèi)容的精華之處，這必須由專(zhuān)業(yè)算法工程師群進(jìn)行調(diào)試，不僅要這些神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與算法有足夠深入的了解，還需要經(jīng)過(guò)足夠長(zhǎng)的重復(fù)調(diào)試過(guò)程，才能調(diào)試出一個(gè)夠完整的優(yōu)化參數(shù)組合，這部分是英偉達(dá)非常龐大精英人力與成本的所提煉出來(lái)的精髓。

物件檢測(cè)應(yīng)用的設(shè)定組，比前面的圖像分類(lèi)要復(fù)雜很多，雖然初學(xué)者沒(méi)有能力去做細(xì)節(jié)參數(shù)的調(diào)整，但還是得了解一下主要結(jié)構(gòu)，對(duì)于學(xué)習(xí)深度神經(jīng)網(wǎng)絡(luò)會(huì)有很大的幫助。

在 ssd 項(xiàng)目的 specs 目錄下有 5 個(gè)配置文件，其中與訓(xùn)練相關(guān)的有 4 個(gè)，但實(shí)際使用到的就是ssd_train_resnet18_kitti.txt與ssd_retrain_resnet18_kitti.txt這兩個(gè)配置文件。

前者是提供給首次訓(xùn)練模型時(shí)使用，后者是對(duì)修剪過(guò)的模型進(jìn)行再訓(xùn)練時(shí)使用，兩者的內(nèi)容幾乎一樣，主要差異在配合遷移學(xué)習(xí)功能的部分，前者使用“pretrain_model_path”指向從NGC下載的預(yù)訓(xùn)練模型，后者使用“pruned_model_path”指向后面會(huì)操作的 “修剪過(guò)的模型”，其他參數(shù)都一樣。

現(xiàn)在就以 ssd_train_resnet18_kitti.txt 配置文件來(lái)做說(shuō)明，里面總共有 6 個(gè)參數(shù)組：

(1) ssd_config：

這是根據(jù)網(wǎng)絡(luò)種類(lèi)所命名，不同網(wǎng)絡(luò)的配置組內(nèi)容都不太一樣，例如 yolov3 范例的配置組為 “yolov3_config”，以此類(lèi)推。每種神經(jīng)網(wǎng)絡(luò)都有截然不同的參數(shù)內(nèi)容，在 ssd 網(wǎng)絡(luò)有 12 個(gè)參數(shù)的設(shè)定，而 yolo_v4 網(wǎng)絡(luò)有將近 20 個(gè)，所以網(wǎng)絡(luò)之間的配置是不能套用或互換的。如果未來(lái)要開(kāi)發(fā)自己的特殊模型，最好從現(xiàn)有的 20 范例里面去挑選，就能以該網(wǎng)絡(luò)的配置文件為基礎(chǔ)進(jìn)行修改。

關(guān)于這個(gè)配置組的內(nèi)容就不多時(shí)間去說(shuō)明，初學(xué)者先不要貿(mào)然去修改，以免訓(xùn)練過(guò)程發(fā)生不可預(yù)期的錯(cuò)誤，或者模型效果不好。

(2) training_config：

執(zhí)行訓(xùn)練時(shí)的一些參數(shù)設(shè)定，這是使用者能進(jìn)行調(diào)整的部分，包括以下部分：

• batch_size_per_gpu：根據(jù)執(zhí)行訓(xùn)練的GPU總顯存進(jìn)行調(diào)整

• num_epochs：訓(xùn)練回合數(shù)，這里設(shè)定為80

• enable_qat：開(kāi)啟QAT訓(xùn)練模式，這里預(yù)設(shè)值為 ”false”，表示不開(kāi)啟

• checkpoint_interval：每多少回合生成一次模型文件，這里預(yù)設(shè)值為1

• learning_rate、regularizer 與 optimizer：如果對(duì) ssd 有深入了解的，可以進(jìn)一步調(diào)整。

(3) evaluation_config：

這些存放模型評(píng)估的一些參數(shù)，可以根據(jù)計(jì)算設(shè)備的顯存值調(diào)整 batch_size 大小，不過(guò)這些并不影響訓(xùn)練的結(jié)果。

(4) nms_config：

NMS (Non-maximumsuppression) 非極大抑制應(yīng)用的目的，是要消除多余的框，找到最佳的物體檢查位置。

(5) augmentation_config：

這部分的參數(shù)內(nèi)容請(qǐng)參考系類(lèi)文章 “視覺(jué)類(lèi)的數(shù)據(jù)增強(qiáng)”，有詳細(xì)的說(shuō)明。雖然沒(méi)辦法進(jìn)入 TAO 源碼（未開(kāi)放）去確認(rèn)，但這項(xiàng)參數(shù)設(shè)定組應(yīng)該顯示在物件檢測(cè)模型訓(xùn)練過(guò)程中，并將“數(shù)據(jù)增強(qiáng)”功能加進(jìn)來(lái)，這對(duì)提高模型精準(zhǔn)度會(huì)起到很大的效果。

(6) dataset_config：

這里最主要配置數(shù)據(jù)源的路徑，以及類(lèi)別 “key:value” 對(duì)的映射關(guān)系；

• 一組 data_source：

里面包含 tfrecords_path 與 image_directory_path 兩個(gè)路徑設(shè)定；

• 多組 target_class_mapping：

每一組對(duì)應(yīng)的 “key” 是數(shù)據(jù)集的原始類(lèi)別名稱(chēng)，后面映射的 “value” 是訓(xùn)練后模型的識(shí)別分類(lèi)。

例如這里使用的 KITTI 數(shù)據(jù)集中，原始分類(lèi)有 “car/ van/cyclist/ person_sitting/ pedestrian/ DontCare/ tram/ truck/ misc” 等 9 種分類(lèi)，經(jīng)過(guò)映射后只保留 “Car/cyclist/ pedestrian” 三個(gè)分類(lèi)，沒(méi)有在映射組里的分類(lèi)就會(huì)忽略，例如 truck、misc 等。

如果使用自己的數(shù)據(jù)集訓(xùn)練模型，這部分需要自行調(diào)整到合適的類(lèi)別對(duì)應(yīng)，否則訓(xùn)練的結(jié)果也不能實(shí)現(xiàn)您要達(dá)到的識(shí)別效果。

• 一組 validation_data_sources：

包括 label_directory_path 與 label_directory_path，存放校驗(yàn)數(shù)據(jù)集的圖像與標(biāo)注路徑。

以上 6 組配置在每個(gè)物件檢測(cè)模型的配置文件中都有，但是配置內(nèi)容不盡相同， TAO 已經(jīng)為所支持的網(wǎng)絡(luò)都提供優(yōu)化過(guò)的參數(shù)內(nèi)容，初學(xué)者只要直接使用就可以，等日后有更深入的掌握，再試著去修改這些參數(shù)。