Caffe Example : 6.Classifying ImageNet: using the C API (Kor)

이미지망 분류하기 : C++ API 사용 (Classifying ImageNet: using the C++ API)

Caffe의 핵심은 C++로 쓰여졌다는 것이다. 노트북에 예시중 하나로 제공된 파이썬 코드와 비슷한 이미지 분류화 응용프로그램을 수행하는데에 Caffe 의 C++ API를 사용할 수 있다. Caffe C++ API의 다목적 예시를 좀 더 보기위해서는, 당신은 tools/caffe.cpp에 있는 커맨드 라인의 소스 코드를 공부해야만한다.

제공(Presentation)

간단한 C++ 코드는 examples/cpp_classification/classification.cpp에서 제공되어진다. 간단하기때문에, 이 예시는 다중 독립 예시의 단일 샘플이나 일회처리량의 오버샘플링이 둘 쪽 모두 발생하지 않는다. 이 예시는 시스템에대한 최대 가능한 분류화 처리량에 도달하려는고 시도하는 것은 아니지만, 코드를 읽도록 유지하는 반면에 불필요한 패시미제이션(pessimization)을 회피하피위해 특별한 관리가 주어진다.

검사(Compiling)

C++예시는 Caffe를 컴파일할 때 자동적으로 구축된다. Caffe를 컴파일하기 위해서는, 문서화된 설명문을 따를필요가 있다. 분류화 예시는 당신의 build 디렉토리에 examples/classification.bin로써 구축될 것이다.

사용법(Usage)

분류화 예시로 사전 학습된 CaffeNet 모델을 사용하기 위해서는. 당신은 다음과 같은 스크립트를 사용하는 "Zoo 모델"로부터 다운로드할 필요가 있다 : ./scripts/download_model_binary.py models/bvlc_reference_caffenet. 이미지망 라벨 파일(또한 신셋(synset) 파일이라고도 불리는)은 또한 클래스의 이름을 예측을 맵핑하기위해 요구되어진다 : ./data/ilsvrc12/get_ilsvrc_aux.sh. 다운로드한 파일들을 사용해서, 우리는 다음과 같은 명령어를 사용해서 (examples/images/cat.jpg) 주어진 고양이 사진을 분류할 수 있다.

./build/examples/cpp_classification/classification.bin \ models/bvlc_reference_caffenet/deploy.prototxt \ models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel \ data/ilsvrc12/imagenet_mean.binaryproto \ data/ilsvrc12/synset_words.txt \ examples/images/cat.jpg

결과는 다음과 같을 것이다.

---------- Prediction for examples/images/cat.jpg ----------
0.3134 - "n02123045 tabby, tabby cat" 0.2380 - "n02123159 tiger cat" 0.1235 - "n02124075 Egyptian cat" 0.1003 - "n02119022 red fox, Vulpes vulpes" 0.0715 - "n02127052 lynx, catamount"

수행향상(Improving Performance)

수행을 좀 더 향상시키기 위해, 우리는 GPU모드 활용을 필요할 것인데, 여기 몇가지 가이드라인이 있다:

• 초기에 GPU상에 데이터를 옮기고 모든 사전처리작업을 거기서 수행하라.
• 만약 동시에 분류할 이미지가 많다면, 베칭(batching)을 사용해야만 한다(독립적 이미지들은 단일 정방향 과정에서 분류화된다.).
• GPU가 항상 완벽히 사용되어지고 CPU 쓰레드가 차단된 I/O를 기다릴 필요가 없도록 확실히하는 다중 분류화 쓰레드를 사용하라.

위키로 돌아가기