Ana içeriğe atla
Bölüm sonunda aşağıdaki konularında tecrübe edineceksiniz
  • Gemstone O1 geliştirme kartının görüntü işleme kabiliyetlerini kullanabilmek için gerekli olan modelin Edge-AI üzerinden nasıl hazırlandığı.
Edge AI Studio, Texas Instruments tarafından geliştirilen, grafik kullanıcı arayüzü ile veri toplama, veri etiketleme, model eğitimi ve model derleme işlemlerinin yapılmasına olanak sağlayan bir ekosistemdir. TI Model Zoo’daki önceden eğitilmiş modeller arasından seçim yapabilir ve isterseniz kendi verilerinizle yeniden eğiterek doğruluk ve performansı artırabilirsiniz. Edge AI Studio, bulut tabanlı olarak, bilgisayarınıza yüklemeden kullanılabilir.
EdgeAI adresine giderek yeni bir proje oluşturabilir, mevcut projenize giriş yapabilir veya örnek projeleri inceleyebilirsiniz.
Yukarıdaki görselde görüldüğü üzere çeşitli görev türleri seçilebilmektedir. Bu bölümde görüntü işleme uygulaması gerçekleştirileceği için “Sensors” sekmesinde yalnızca kamera sensörü aktif bırakılmıştır. Bu seçime bağlı olarak yapılabilecek görevler “Fotoğraf Sınıflandırma”, “Nesne Tespiti” ve “Anlamsal Segmentasyon” olarak listelenmektedir. “Tools” bölümünde “Model Maker - Processor SDK 10.1” seçilmelidir. Son adımda ise projeye bir isim verilerek proje oluşturma işlemi tamamlanabilir.
Bir sonraki ekran olan “Capture” bölümünde, bilgisayarın dosya sisteminden veya bilgisayara bağlı bir görüntü yakalama aygıtından sisteme görüntü eklenebilmektedir.
Bir sonraki adım olan “Annotate” bölümünde, fotoğraflardaki tüm nesneleri seçerek modeli eğitmek için sınıflandırma işlemi yapılmalıdır. Bu işlem için yukarıdaki görselde gösterilen “Create Box” seçeneğine tıklanarak, kutu oluşturma aracı ile nesneler işaretlenebilir.
Yukarıda görüldüğü üzere bir kutu oluşturulduktan sonra, mevcut tanımlı sınıf isimlerinden biri seçilebilir veya yeni bir metin yazarak farklı bir sınıf oluşturulabilir.
Bir sonraki aşama olan model seçimi kısmında, “Device Selection” bölümü Gemstone O1 Geliştirme Kartı için AM67A seçilmelidir. “Model Selection” alanında yer alan “Use Recommended” seçeneği işaretlenerek, üst kısımda belirtilen yüksek doğruluk (high accuracy) veya yüksek performans (high performance) seçeneklerinden biri tercih edilerek sistemin önerdiği model kullanılabilir. Eğer modeli manuel olarak seçmek isterseniz, “Use Selected Model” seçeneğini işaretleyerek açılan menüden istediğiniz modeli belirleyebilirsiniz. Cihaz ve model seçimi tamamlandıktan sonra, sistem yaklaşık benchmark değerlerini otomatik olarak görüntüleyecektir.
Modelin eğitildiği “Training” bölümünde, belirlenen parametrelere göre eğitim işlemi gerçekleştirilebilir. Epoch modelin tüm eğitim verilerini bir kez tamamen görmesi demektir. Epoch sayısını artırmak, modelin veriden daha fazla öğrenmesine izin verir ancak çok fazla epoch overfitting riskini (yani model ezberler bu istenmeyen bir durumdur) arttırır. Batch, modelin her adımda işlediği örnek sayısıdır. Bu parametre GPU belleğine göre ayarlanır, yüksek batch değerleri daha stabil ama daha yavaş veya daha fazla bellek ister. Learning Rate, modelin hata geri yayılımı (backpropagation) sırasında ağırlıklarını ne kadar değiştireceğini belirleyen katsayıdır. Weight Decay, ağırlıkların çok büyük değerlere ulaşmasını engellemek için kayıp fonksiyonuna eklenen bir ceza terimidir. Bu parametreler hakkında önceden bilgi sahibiyseniz değerleri güncellemeniz tavsiye edilir. Ancak, bu kavramlarla ilk kez karşılaşıyorsanız varsayılan ayarları değiştirmeniz önerilmez. Son olarak, “Start Training” butonuna tıklayarak eğitim sürecini başlatabilirsiniz. Eğitim süresi, girdiğiniz veri setinin büyüklüğüne ve seçtiğiniz modele göre değişiklik gösterebilir.
Son adımda, yukarıda görüldüğü üzere önceden tanımlanmış ön ayarlardan (preset) size en uygun olanı seçtikten sonra “Start Compiling” butonuna tıklayarak modelin derleme sürecini başlatabilirsiniz. Model oluşturma işlemi tamamlandıktan sonra, “Export Compiled Model” butonuna tıklayarak modeli bilgisayarınıza indirebilirsiniz.