Si të ekzekutoni YoloV4 dhe DeepSort Object Tracking në shembullin AWS Sagemaker Jupyter Notebook
AI Guy ka video në YouTube dhe Github të shkëlqyera se si të ekzekutosh YoloV4 dhe DeepSort në Google Colab, por kam hasur disa probleme që funksionojnë të njëjtat në AWS. Kam marrë gabime të padeshifrueshme për shkak të mospërputhjes së drejtuesve të gjetur në shembullin AWS jupyter dhe bibliotekave të nevojshme për ekzekutimin e tensorflow-gpu.
Për të filluar në AWS, do t'ju duhet të lëshoni të paktën një p3.2xlarge për të përdorur GPU për të arritur FPS të lartë (Frames për sekondë) kur përdorni aplikacionin YoloV4 dhe DeepSort Object Tracking.
Identifikuesi i platformës
Kur nisni shembullin e fletores, zgjidhni Amazon Linux 1(AL1). AL1 bazohet kryesisht në CentOS/RHEL 7, ndërsa AL3 bazohet në CentOS/RHEL 10. Fillimisht, kur zgjodha Amazon Linux 3(AL3), nuk munda të gjeja drejtuesit që përputhen me CUDA Toolkit dhe CuDNN nga Nvidia që përputhen me python dhe Bibliotekat tensorflow-gpu të kërkuara nga paketa github YoloV4 dhe DeepSort më sipër.
GPU
Për të siguruar që janë instaluar versionet e duhura të drejtuesve CUDA dhe CuDNN, shikoni artikullin e shkëlqyer nga Dr.Akutekwe. Ai gjithashtu ka hapa për të verifikuar që GPU përdoret me operacione të thjeshta matrice.
Por Shënim - Për të ekzekutuar aplikacionin e gjurmimit të objekteve YoloV4 dhe DeepSort siç tregohet nga AI Guy, do t'ju duhet të instaloni drejtuesit CUDA 10.1.
wget https://developer.download.nvidia.com/compute/cuda/10.1/Prod/local_installers/cuda_10.1.243_418.87.00_linux.runsudo sh cuda_10.1.243_418.87.00_linux.run
Merrni bibliotekën më të fundit CuDNN për CUDA 10.1 për Red Hat x86_64 nga CuDNN Archive.
https://developer.nvidia.com/compute/machine-learning/cudnn/secure/8.0.5/10.1_20201106/RHEL7_3-x64/libcudnn8-8.0.5.39-1.cuda10.1.x8 rpm
Me hapat e mësipërm të instalimit të CUDA dhe CuDNN më sipër, duhet të jeni në gjendje të ekzekutoni YoloV4 dhe DeepSort Object Tracking duke përdorur udhëzimet e AI Guy për Conda Tensorflow GPU në dritaren e Terminalit të shembullit të Notebook Jupyter.
I vetmi përditësim i vogël që më duhej të bëja ishte
conda-gpu.yml:
tensorflow-gpu==2.3.0
Sepse 2.3.0rc0 nuk u gjet.
Pasi të keni instaluar varësitë conda/pip dhe të keni ruajtur modelin në formatin Tensorflow siç përshkruhet në skedarin README, kur ekzekutoni objektin_tracker.py në terminal, shtoni flamurin dont_show për të mos nxjerrë kornizën në tastierë, siç tregohet më poshtë. Përndryshe, programi do të përfundojë papritmas.
python object_tracker.py --weights ./checkpoints/yolov4-tiny-416 --model yolov4 --video ./data/video/test.mp4 --output ./outputs/tiny.avi --tiny --dont_show True
