딥 러닝 모델 패키지 관리 도구
이 부분은 딥 러닝 모델 패키지 관리 도구의 사용 방법과 주의사항에 대한 소개입니다.
도구 소개
딥 러닝 모델 패키지 관리 도구는 딥 러닝 모델 패키지를 관리하기 위해 Mech-Vision 소프트웨어에서 제공하는 도구로, Mech-DLK 2.2.0 이후에 도출한 딥 러닝 모델 패키지(단일 수준 모델 패키지 또는 캐스케이딩 모델 패키지)를 최적화하고 운행 모드, 하드웨어 유형, 모델 효율성 및 모델 패키지 상태를 관리할 수 있습니다. 또한 이 도구는 IPC의 GPU 사용량을 모니터링할 수 있습니다.
프로젝트에서 딥 러닝 관련 스텝을 사용할 때 먼저 모델 패키지를 딥 러닝 모델 패키지 관리 도구로 도입한 후 딥 러닝 관련 스텝에서 사용할 수 있습니다. 이 도구로 모델 패키지를 미리 도입하면 모델 패키지의 최적화를 미리 완료할 수 있습니다.
Mech-DLK 2.4.1 버전 이후 모델 패키지는 단일 및 캐스케이딩 모델 패키지 두 가지로 나눠집니다.
|
인터페이스 소개
이 도구는 다음 두 가지 방법으로 열 수 있습니다.
-
프로젝트를 새로 만들거나 기존 프로젝트를 연 후 메뉴 바에서 menu:딥 러닝 [ 딥 러닝 모델 패키지 관리 도구]를 선택합니다.
-
프로젝트에서 "딥 러닝 모델 패키지 추론" 스텝을 선택하고 스텝 파라미터에서 모델 패키지 관리 도구 버튼을 클릭합니다.
딥 러닝 모델 패키지 관리 도구 인터페이스의 각 옵션 필드에 대한 소개는 아래 표와 같습니다.
필드 명칭 | 소개 |
---|---|
캐시(cache) 모델 패키지 명칭 |
도입한 딥 러닝 모델 패키지의 명칭을 확인할 수 있습니다. |
프로젝트 사용 |
모델 패키지를 사용하는 Mech-Vision 프로젝트를 볼 수 있습니다. |
모델 패키지 유형 |
모델 패키지 유형을 볼 수 있습니다. 예: "물체 검출"(단일 모델 패키지), "물체 검출 + 결함 세그먼테이션"(캐스케이딩 모델 패키지) |
실행 모드 |
딥 러닝 모델 패키지 추론의 실행 모드를 선택할 수 있습니다("공유 모드" 및 "성능 모드"를 포함). |
하드웨어 유형 |
GPU(기본값), GPU(최적화), CPU 등 모델 패키지 추론에 사용되는 하드웨어 유형을 볼 수 있습니다. |
모델 효율성 |
모델 패키지 추론의 효율성을 구성할 수 있습니다. |
모델 패키지 상태 |
"최적화 중", "준비 완료", "최적화 실패" 등 모델 패키지의 상태를 확인할 수 있습니다. |
실행 모드
하드웨어 유형
|
사용 가이드
이 부분에서는 딥 러닝 모델 패키지 관리 도구에 대한 일반적인 작업에 대해 소개합니다.
딥 러닝 모델 패키지를 도입하기
-
딥 러닝 모델 패키지 관리 도구를 열고 인터페이스의 왼쪽 상단 모서리에 있는 모델 패키지 도입하기를 클릭하십시오.
-
팝업한 파일 선택창에서 도입할 딥 러닝 모델 패키지를 선택한 후 열기를 클릭하면 이 딥 러닝 모델 패키지가 딥 러닝 모델 관리 도구 리스트에 나타납니다. 이로써 딥 러닝 모델 패키지의 도입이 완료됩니다.
딥 러닝 모델 패키지를 도입할 때 GPU 드라이버의 최소 버전은 472.50(딥 러닝 스텝의 실행 시간에 변동이 발생할 수 있으므로 버전 500 이상의 GPU 드라이버 사용을 권장하지 않음)이며, CPU의 최소 요구 사항은 인텔 6세대 코어입니다. 하드웨어 조건이 충족되지 않으면 딥 러닝 모델 패키지 도입하기가 실패할 수 있습니다. |
딥 러닝 스텝에서 딥 러닝 모델 패키지 선택
딥 러닝 모델 패키지를 도입한 후 "딥 러닝 모델 패키지 추론" 스텝에서 딥 러닝 모델 패키지를 선택하려면 그 파라미터에서 모델 패키지 이름의 드롭다운 목록에서 도입한 딥 러닝 모델 패키지를 선택할 수 있습니다.
딥 러닝 모델 패키지 제거하기
도입한 딥 러닝 모델 패키지를 제거하려면 먼저 딥 러닝 모델 패키지를 선택한 다음 딥 러닝 모델 패키지 관리 도구의 오른쪽 상단에 있는 모델 패키지 제거하기 버튼을 클릭해야 합니다.
최적화 중 또는 사용 중(해당 딥 러닝 모델 패키지를 사용하는 프로젝트가 실행될 때)인 모델 패키지는 제거될 수 없습니다. |
딥 러닝 모델 패키지 추론의 실행 모드 전환
딥 러닝 모델 패키지 추론의 실행 모드를 전환하려면 딥 러닝 모델 패키지 관리 도구의 실행 모드 필드 아래에 있는 버튼을 클릭한 후 공유 모드 또는 성능 모드를 선택합니다.
|
딥 러닝 모델 패키지 추론을 위한 하드웨어 유형 전환
딥 러닝 모델 패키지 추론을 위한 하드웨어 유형은 GPU(기본값), GPU(최적화), CPU로 전환할 수 있습니다.
딥 러닝 모델 패키지 관리 도구에서 하드웨어 유형 필드 아래의 버튼을 클릭하고 GPU(기본값), GPU(최적화) 또는 CPU를 선택합니다.
|
모델 효율성 구성
Mech-DLK 2.4.1 및 이상 버전에서 도출한 모델 패키지를 사용하는 경우 다음과 같이 모델 효율성을 구성할 수 있습니다.
-
딥 러닝 모델 패키지를 도입합니다.
-
"모델 효율성" 아래의 구성 버튼을 클릭하면 모델 효율성 구성 창이 팝업하여 "배치 크기" 및 "정확도"를 구성할 수 있습니다.
모델 실행 효율성은 "배치 크기" 및 "정확도" 파라미터의 영향을 받습니다.
-
배치 크기: 모델 추론 중에 한 번에 신경망으로 전송되는 이미지의 수이며 범위는 1~128입니다. 이 값을 늘리면 모델 추론 속도가 빨라지지만 더 많은 그래픽 카드 메모리를 차지하게 됩니다. 이 값을 무리하게 설정하면 추론 속도가 느려집니다. 인스턴스 세그먼테이션 모델은 "배치 크기" 설정을 지원하지 않으며 "배치 크기"는 1이어야 합니다.
-
정확도("하드웨어 유형"이 "GPU 최적화"인 경우에만 활성화할 수 있음): FP32: 높은 모델 정확도, 느린 추론 속도; FP16: 낮은 모델 정확도, 빠른 추론 속도.
"배치 크기" 값은 실제로 신경망에 공급되는 이미지 수와 일치하는 것이 좋습니다.
"배치 크기"가 실제로 신경망에 공급되는 이미지 수보다 훨씬 크게 설정되면 일부 리소스가 낭비되어 추론 속도가 느려집니다.
예: 이미지 수가 26개이고 "배치 크기"가 20으로 설정된 경우 추론이 두 번 수행되며 처음에는 20개의 이미지가 신경망에 전송되고 두 번째에는 6개의 이미지가 신경망에 전송됩니다. 두 번째 추론에서 "배치 크기" 설정이 신경망에 실제로 전송되는 이미지 수보다 훨씬 커서 일부 리소스가 낭비되고 추론 속도가 느려집니다. 따라서 리소스를 합리적으로 사용할 수 있도록 "배치 크기"를 합리적으로 설정하십시오.
-
주의사항
딥 러닝 모델 패키지 도입 실패
-
딥 러닝 모델 패키지를 이미 도입한 후 동일한 명칭의 딥 러닝 모델을 도입할 때 딥 러닝 모델 패키지의 이름을 수정하거나 동일한 이름의 모델 패키지를 제거하여 도입해야 합니다.
-
동일한 내용의 딥 러닝 모델 패키지를 반복적으로 도입하면 딥 러닝 모델 패키지를 가져오지 못했습니다라는 메시지가 표시됩니다.
-
소프트웨어 및 하드웨어 조건이 충족되지 않으면 딥 러닝 모델 패키지 도입하기가 실패할 수 있습니다. 최소 GPU 드라이버 버전 요구 사항은 472.50이고 CPU 최소 요구 사항은 Intel 6세대 코어입니다.
호환성 설명
-
Mech-Vision 1.7.1 버전에서도 Mech-DLK 2.4.1 및 이상 버전에서 도출한 딥 러닝 모델 패키지를 사용할 수 있지만 다음의 호환성 문제에 주의해야 합니다. Mech-Vision 1.7.2 및 이상 버전과 Mech-DLK 2.4.1 및 이상 버전에서 도출한 딥 러닝 모델 패키지와 결합해서 사용하는 것을 권장합니다.
-
Mech-Vision은 캐스케이딩 모델 패키지를 사용할 수 없습니다.
-
모델 효율성을 조정할 수 없습니다.
-
이미지 분류 효과가 나빠질 수 있습니다.
-
모델 패키지를 CPU 장치에서 사용할 수 없습니다.
-
-
Mech-Vision 1.7.2에서 Mech-Vision 1.7.1 최적화된 모델 패키지를 사용하는 경우 "딥 러닝 모델 패키지 추론" 스텝에서 모델 패키지의 첫 번째 실행 시간이 더 오래 걸릴 수 있습니다.
-
Mech-DLK 2.4.1 버전을 사용하여 물체 검출 모델 패키지를 도출할 때 "추론 시 최대 인스턴스 수"를 1로 설정하고 딥 러닝 모델 패키지 관리 도구의 하드웨어 유형이 CPU인 경우, 모델 패키지의 추론 속도가 매우 느려질 것입니다. "추론 시 최대 인스턴스 수"의 값은 1보다 큰 것이 좋습니다.