Бөлүм 2. ThinkBioT модели Google AutoML менен: 8 кадам

2025 Автор: John Day | [email protected]. Акыркы өзгөртүү: 2025-01-23 14:51

ThinkBioT "Plug and Play" болуп иштелип чыккан, Edge TPU шайкеш TensorFlow Lite моделдери менен.

Бул документте биз спектрограммаларды түзүүнү, маалыматыңызды форматтоону жана Google AutoMLди колдонууну камтыйбыз.

Бул окуу куралындагы код bash менен жазылат, ошондуктан көп платформага шайкеш келет.

Көз карандылыктар

• Бирок башталганга чейин Windows, Mac жана Linux түзмөктөрүнө шайкеш келген Sox буйрук сабынын аудио программасын орнотушуңуз керек болот.
• Эгерде сиз Windows түзмөгүндө болсоңуз, баш скрипттерди иштетүүнүн эң оңой жолу Git аркылуу, ошондуктан мен муну сунуштап, жүктөп алууну жана орнотууну ар тараптуу пайдалуу,
• Кодду түзөтүү үчүн сүйүктүү редакторуңузду колдонуңуз же Windows үчүн NotePad ++ же башка операциялык тутумдар үчүн Atom орнотуңуз.

** Эгерде сизде мурунтан бар TensorFlow модели бар болсо же учурдагы модель менен окууну өткөрүп берүүнү кааласаңыз, Google Coral Documentation -ге кайрылыңыз.

1 -кадам: Google Cloud Storage чакасын орнотуңуз

1. Gmail каттоо эсебиңизге кириңиз (же Google каттоо эсебиңиз жок болсо, аны түзүңүз)

2. Долбоорду тандоо баракчасына өтүңүз жана сизге модель жана спектрограмма файлдары үчүн жаңы долбоор түзүңүз. Мындан ары илгерилөө үчүн эсепти иштетишиңиз керек.

3. https://cloud.google.com/storage/ дарегине баш багыңыз жана беттин жогору жагында чака түзүү баскычын басыңыз.

4. Каалаган чакаңыздын атын киргизиңиз жана чаканы демейки жөндөөлөрдү кабыл алуу менен түзүңүз.

2 -кадам: Маалыматыңызды форматтаңыз жана Dataset Csv түзүңүз

Мен сиздин моделди түзүү үчүн зарыл болгон сиздин dataset.csv файлыңызды түзүү үчүн пайдалуу сценарийди иштеп чыктым. Берилиштер файлы чакаңыздагы сүрөттөрдү маалымат базасындагы энбелгилерине байланыштырат.

1. ThinkBioT репозиторийин GitHubдан жүктөп алыңыз жана

2. Tools каталогунан tbt_spect_example.sh файлын рабочийиңиздеги жаңы папкага көчүрүңүз.

3. Моделиңизде колдонгуңуз келген аудио файлдарды кошуңуз, аларды энбелгиси бар папкаларга салыңыз (б. ит, кабык үнү менен ЖАНА папка мышык үнү ж.б.

4. Notbad ++ менен tbt_spect_example.sh ачыңыз жана 54 -саптагы "yourbucknamename" дегенди Google сактоочу чакаңыздын аты менен алмаштырыңыз. Мисалы, эгер сиздин чакаңыз myModelBucket деп аталса, линия өзгөрмөк

чака = "gs: // myModelBucket/spectro-data/"

5. Баш терминалында төмөнкүлөрдү терүү менен кодду иштетиңиз, код иштейт жана сиздин этикеткаларыңыз csv файлын жана спектро-маалыматтар деп аталган каталогду стол үстүндө спектрограммалар менен түзөт.

sh tbt_spect_example.sh

3 -кадам: Спектрограммаңызды чакаңызга жүктөңүз

Google сактагычка жүктөөнүн бир нече жолу бар, эң оңой жүктөө үчүн түз папканы жасоо;

1. Google Сактагыч баракчаңыздагы чакаңыздын атын басыңыз.

2. "Папканы ЖҮКТӨ" баскычын тандап, акыркы кадамда түзүлгөн "спектро-маалыматтар/" каталогун тандаңыз.

ЖЕ

2. Эгерде сизде чоң көлөмдөгү файлдар бар болсо, "спектро-маалыматтар/" каталогун "CREATE FOLDER" тандап кол менен түзүңүз, андан кийин папкага өтүңүз жана "FILES ЖҮКТӨ" дегенди тандаңыз. Бул чоң маалымат топтому үчүн сонун вариант болушу мүмкүн, анткени сиз спектрограммаларды бөлүмдөргө жүктөй аласыз, ал тургай жүктөө ылдамдыгын жогорулатуу үчүн бир нече компьютерди колдонсоңуз болот.

ЖЕ

2. Эгер сиз өнүккөн колдонуучу болсоңуз, Google Cloud Shell аркылуу да жүктөй аласыз;

gsutil cp spectro-data/* gs: // your-bucket-name/spectro-data/

Сизде азыр чакада сулуу спектрограммалар толтура болушу керек!

4 -кадам: Dataset Csv файлыңызды жүктөө

Эми биз model-labels.csv файлын Google Storageдеги "спектро-маалыматтар/" каталогуна жүктөшүбүз керек, бул негизи акыркы кадам менен бирдей, сиз көп файлдын ордуна бир файлды жүктөп жатасыз.

1. Google Сактагыч баракчаңыздагы чакаңыздын атын басыңыз.

2. "ФИЛЬДИ ЖҮКТӨ" баскычын тандап, мурда түзүлгөн model-labels.csv файлыңызды тандаңыз.

5 -кадам: Маалыматтар топтомун түзүү

1. Биринчиден, AutoML VIsion APIсин табышыңыз керек, бул бир аз татаал болушу мүмкүн! Эң оңой жолу - Google Cloud сактагычыңыздын издөө тилкесинен "automl vision" издөө (сүрөттө).

2. Сиз API шилтемесин чыкылдаткандан кийин API иштетүүңүз керек болот.

3. Эми сиз AutoML Vision Dashboardдо болосуз (сүрөттө) жаңы маалымат баскычын чыкылдатыңыз жана Single label жана 'CSV файлын тандоо' опциясын тандаңыз. Андан кийин, сактоочу чакаңызга model-labels.csv файлыңыздын шилтемесин киргизесиз. Эгерде сиз бул үйрөткүчтү ээрчисеңиз, анда ал төмөндөгүдөй болот

gs: //yourBucketName/spectro-data/model-labelsBal.csv

4. Андан кийин маалымат топтомун түзүүнү улантууну басыңыз. Аны түзүү үчүн бир аз убакыт талап кылынышы мүмкүн.

6 -кадам: AutoML моделин түзүңүз

Электрондук почтаңызды алгандан кийин, маалымат топтомуңуз түзүлгөндүгүн билдирип, сиз жаңы моделди түзүүгө даярсыз.

1. TRAIN баскычын басыңыз
2. Моделдин түрүн тандаңыз: Edge жана Model кечигүүсүн баалоо: Edge TPU жана башка параметрлерди башында демейки катары калтырыңыз, кийинчерээк эксперимент жасоону каалашыңыз мүмкүн.
3. Эми сиздин модель машыгат, бир аз убакыт талап кылынат жана жүктөөгө даяр болгондо сизге электрондук кат келет.

Эскертүү: Эгерде сиз машыктыруу баскычы жеткиликтүү болбосо, сизде маалымат топтомуңузда көйгөйлөр болушу мүмкүн. Эгерде сизде ар бир класстын (энбелгинин) 10дон азы болсо, система сизге моделди үйрөтүүгө уруксат бербейт, андыктан кошумча сүрөттөрдү кошууга туура келет. Эгер тактоого муктаж болсоңуз, Google AutoML Video карап чыгууга арзыйт.

7 -кадам: Моделиңизди текшериңиз

Моделиңиздин электрондук почтасын алгандан кийин, AutoML Vision APIге кайтуу үчүн шилтемени басыңыз.

1. Эми сиз өзүңүздүн натыйжаңызды жана моделиңиздин башаламандык матрицасын көрө аласыз.

2. Кийинки кадам - Моделиңизди текшерүү, "TEST & USE" же "PREDICT" бөлүмүнө өтүү, кызыктай 2 колдонуучу GUI бар окшойт, экөө тең мен сүрөттөгөн, бирок экөөнүн тең функциялары бирдей.

3. Эми сиз тест спектрограммасын жүктөй аласыз. Бир спектрограмманы түзүү үчүн ThinkBioT Githubдан tbt_make_one_spect.sh программасын колдонсоңуз болот. Жөн гана аны спектрограммага айландыргыңыз келген wav менен папкага таштаңыз, Git Bash терезесин (же терминалын) ачыңыз жана файлдын атын алмаштырып, төмөнкү кодду колдонуңуз.

sh tbt_make_one_spect.sh yourWavName.wav

4. Эми жөн гана спектрограмманы жүктөп, жыйынтыгыңызды текшериңиз!

8 -кадам: Моделиңизди ThinkBioTго орнотуңуз

Жаңы жалтырак моделиңизди колдонуу үчүн, моделди жана txt файлын CModel папкасына түшүрүңүз;

pi> ThinkBioT> ClassProcess> CModel

Эми сиз ThinkBioT колдонууга даярсыз:)

** Эскертүү ** Эгерде сиз өзүңүздүн моделди ThinkBioT алкагынан тышкары колдонуп жатсаңыз, анда этикетка документиңизди түзөтүшүңүз керек болот, анткени ар бир саптын башталышына сандарды кошуу керек, анткени акыркы tflite интерпретаторлору "окулган энбелгилер" функциясы алар бар деп ойлошот. Мен ThinkBioT алкагында classify_spect.py колдонуучунун функциясын жаздым, аны сиз өзүңүздүн кодуңузда колдоно аласыз:)

def ReadLabelFile (file_path):

эсептегич = 0 ачык (file_path, 'r', encoding = 'utf-8') менен f: сызыктар = f.readlines () ret = {} саптардагы линия үчүн: ret [int (counter)] = line.strip () counter = counter + 1 return ret