用網絡計算橋進行機器學習 Machine Learning with the Network Compute Bridge
前言大綱
網絡計算橋允許您將計算卸載到網絡上的另一台計算機。 例如,您可能希望將深度神經網絡調用卸載到雲中的服務器。
例子:
tensorflow_server.py:處理在 Spot 圖像數據上運行 Faster R-CNN TensorFlow 模型的請求。
向 Spot 目錄服務註冊網絡計算橋工作器
處理網絡計算查詢並在圖像或圖像源輸入上執行 TensorFlow 模型
可以輕鬆重新配置以運行其他 TensorFlow 對象檢測模型
identify_object.py:使用 TensorFlow 模型請求對圖像進行識別。
客戶端請求一個圖片源,比如 frontleft_fisheye_image
機器人拍攝圖像,旋轉它以與地平線對齊,並將其發送到運行 tensorflow_server.py 的服務器。
結果返回給客戶端。 如果邊界框內的深度數據可用,則機器人將深度添加到結果中。
系統圖
安裝
服務器
For non-GPU installations:
python3 -m pip install -r requirements_tensorflow_server_cpu.txt
For CUDA / NVIDIA GPU installations:
python3 -m pip install -r requirements_tensorflow_server_gpu.txt
NVIDIA 驅動程序和 CUDA 的安裝不在本文檔的範圍內。 有許多可用的教程,例如 本教程。
客戶
客戶端示例 ( identify_object.py ) 不需要 TensorFlow:
python3 -m pip install -r requirements_client_only.txt
執行
python3 tensorflow_server.py --username <USERNAME> --password <PASSWORD> -d <MODEL DIRECTORY> <ROBOT ADDRESS>
MODEL DIRECTORY 是包含要託管的 TensorFlow 模型的目錄的路徑。
ROBOT ADDRESS 是您的 Spot 的 IP 地址或主機名。
可以在此處獲取示例模型目錄:https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/tf1_detection_zoo.md。 例如,使用來自 faster_rcnn_inception_v2_coco 模型的 frozen_inference_graph.pb 文件來檢測相機圖像中的人物。
要將數字標籤與名稱相關聯,用戶可以選擇在模型目錄中提供具有匹配文件名的 CSV 文件,例如 frozen_inference_graph.csv,格式如下:
apples,1
oranges,2
python3 identify_object.py --username--password --service --model For example: python3 identify_object.py --username --password --service tensorflow-server --confidence 0.5 --model frozen_inference_graph --image-source frontleft_fisheye_image
請注意,USERNAME 和 PASSWORD 是您的 Spot 用戶憑據。
故障排除
確保您的防火牆允許指定端口上的流量(默認值:50051)。
留言
張貼留言
Aron阿龍,謝謝您的留言互動!