[YOLO]#1 YOLO를 활용한 객체 탐지 (darknet install)&구글코랩

1. YOLO를 Colab환경에서 사용하는 이유

Colab 환경

장점

성능 좋은 GPU를 무료로 사용 가능한 점과 환경 구축이 간편한 점이다.

(=몇일 걸리는 환경을 단 몇 시간만에 구축할 수 있다)

단점

1) 학습 데이터를 구글 드라이브에 넣어야 하는데 용량이 부족하고 동기화 반응이 느리다.

2) 무료로 12시간만 사용 가능하기 때문에 오랜 시간 학습이 필요한 모델을 훈련하는데 제약이 있다.

 

---

GPU 설정

1. 구글 코랩(https://colab.research.google.com/) 접속하여 '런타임'>런타임 유형 변경 > 하드웨어 가속기를 "GPU" 로 설정하여 저장 버튼을 클릭해줍니다.

---

Colab에 Darknet 설치

1. 구글 드라이브 접근

from google.colab import drive
drive.mount('/content/gdrive')​

mount : 인식하게 하는 명령어

(즉, 여기서는 content/gdrive 를 구글 코랩에서 사용하기 위해서 mount 명령어를 사용합니다)

 

 

2. 구글 코랩 디렉터리 

사실 여기서 우리가 중점적으로 봐야하는 디렉터리(폴더)는 content 이다. 앞으로 게속 content 폴더 내에서 파일들을 가지고 놀거기 때문이다.

위에서 mount 명령어 또한 content 폴더를 마운트 시킨 것!

기타 폴더들은 코랩에서 기본적으로 제공하는 디렉터리인것 같다.

자! 그러면 지금 현재 우리가 있는 디렉터리 경로를 확인하기 위해서 pwd 명령어를 이용해서 확인해보자.

참고로 !는 코랩에서 명령어를 치기전에 같이 붙여주어야 된다고 한다. 규칙인것 같음.

pwd 명령 결과 /content 에 있다고 한다. == 우리의 현재 위치는 content 폴더!

ls 명령어를 이용하여 현재 위치인 content 폴더에 존재 하는 파일이 있는지 확인해보자.

결과: gdrive 와 sample_data가 있다고 한다.

맞는지 확인하기 위해 좌측 디렉터리 카테고리를 보자. 

일치함을 확인 할 수 있다.

 

다음으로 cuda 관련 모듈인 cudnn을 설치 해볼거다.

 

3. cudnn 설치

GPU에 맞는 cudnn을 설치해야한다. 

그렇다면 맞는 cudnn은 어떻게 확인 할 수 있을까?

!/usr/local/cuda/bin/nvcc --version

위 명령어를 실행시키면 맞는 cudnn 버전을 확인 할 수 있다.

필자는 11.2 버전의 cudnn을 다운 받으라고 하니.. 아래 주소로 접속하여 해당 11.2 버전의 cudnn을 다운 받겠다.

아! 혹시 nvida 계정이 필요하니 없으면 회원가입을 해야한다.😉

 

하나씩 찾으려니 힘드니까 ctrl+f 키를 동시에 눌러서 검색해서 찾기!

11.2 버전이 두개나 있다. 어떤 것을 받아야 될지 혼란스러울 수 있는데 그냥 둘중 아무거나 다운 받으면된다.

위 사진처럼 클릭 하여 다운 받기 까지 성공했다면, 다시 구글 코랩으로 돌아와서

다음으로 실행 시킬 명령어를 살펴보자

 

대충 보니 content 에 gdrive에 mydrive 에 darknet에 cudnn안에!! 방금 다운 받은 cudnn 파일이 있어야 할꺼 같은 감이 온다.

그렇다면 다운 받은 cudnn 파일을 본인 구글 드라이브에 들어가서 넣어줘야한다.

 

그 과정에 대해 또 상세히 준비해봤다.😎

내 드라이브 에서 darknet 이름의 폴더를 새로 생성해준다.

생성은 마우스 우측 클릭시 '새 폴더 생성' 을 할 수 있다.

다음으로 생성해준 darknet 폴더 안에 들어가서 cuDNN 폴더를 생성해준다(이때 소 대문자 구분해서 적어준다.)

마지막으로

생성해준 cuDNN 폴더 안에서 아까 다운 받은 cudnn 파일을 여기에 넣어준다. (넣을때 마우스 드래그해서 넣어도 됨)

 

 

위의 모든 과정이 끝이 났다면 아래 명령어를 실행시켜주면 되는데..

!tar -xzvf /content/drive/MyDrive/darknet/cuDNN/cudnn-11.2-linux-x64-v8.1.1.33.tgz -C /usr/local/
!chmod a+r /usr/local/cuda/include/cudnn.h

여기서 tar 명령어는 Tape Archiver의 약자로 여러 파일들을 하나의 파일로 묶어주는 명령어입니다.

tar 명령어는 압축명령어라기 보다는 단순 파일을 하나로 묶는 명령어입니다.

tar에서 옵션을 주어 압축을 해줄 수 있습니다.

 

다음으로 두번째 줄 chomod 는 파일 또는 폴더의 권한을 변경할때 사용합니다.

 

r	읽기 권한
w	쓰기 권한
x	실행 권한

연산자 설명

+	기존 권한에 권한 추가
-	기존 권한에서 권한 제거
=	지정한 권한으로 변경

 

3. DarkNet 설치

다크넷은 직접 https://pjreddie.com/darknet/install/ 여기서 설치 해도 되지만

명령어로 설치하면 아주 쉽고 간편하다!

!git clone https://github.com/alexeyab/darknet

그러면 설치한 darknet이 content 폴더 아래에 darknet폴더가 생성됨을 확인할 수 있다. 

 

 

이제 다운한 darknet을 컴파일을 해준다.

컴파일 명령어는 make 이다.

!make

이제 구글 드라이브에 컴파일된 다크넷을 옮겨줘야한다.

저는 컴파일한 다크넷을  /content/gdrive/My Drive/darknet/bin 이라는 폴더에 저장해둘거라서 

아래와 같이 명령어를 적었습니다.

 

import os
if not os.path.exists('/content/gdrive/My Drive/darknet/bin'):
    os.makedirs('/content/gdrive/My Drive/darknet/bin')

아래 코드로 설치된 다크넷을 구글 드라이브에 생성된 bin폴더 안 으로 옮기도록 합니다.

!cp ./darknet /content/gdrive/My\ Drive/darknet/bin/darknet

즉 darknet 폴더에서 설치하고 컴파일 한 내용들을 저의 구글드라이브(gdrive)폴더로 복사를 하는거죠.

 

4. DarkNet 테스트

이제 저의 코랩 환경 내에 다크넷 설치가 완료되었고, 정상적으로 실행되는지 확인 해보겠습니다.

기본적으로 제곧외는 example 파일을 가져와 실행해보겠습니다.

def imShow(path):
  import cv2
  import matplotlib.pyplot as plt
  %matplotlib inline

  image = cv2.imread(path)
  height, width = image.shape[:2]
  resized_image = cv2.resize(image,(3*width, 3*height), interpolation = cv2.INTER_CUBIC)

  fig = plt.gcf()
  fig.set_size_inches(18, 10)
  plt.axis("off")
  #plt.rcParams['figure.figsize'] = [10, 5]
  plt.imshow(cv2.cvtColor(resized_image, cv2.COLOR_BGR2RGB))
  plt.show()
  
  
def upload():
  from google.colab import files
  uploaded = files.upload() 
  for name, data in uploaded.items():
    with open(name, 'wb') as f:
      f.write(data)
      print ('saved file', name)
def download(path):
  from google.colab import files
  files.download(path)

위 코드는 example 파일을 실행시키기 위한 함수선언입니다.

 

!cp -r "/content/gdrive/My Drive/darknet/weights" ./weights

테스트에 필요한 weights파일을 가져오기 위해 위 명령어를 실행시키면되는데

cp 는 복사(copy)라면, 뒤에 r 옵션은 뭘 뜻하는걸까?

=> -r은 하위 디렉터리 전부를 복사한다. 

즉 디렉터리 (폴더)를 복사할때는 아래 폴더,파일 모두 필요하기 때문에 -r 옵션을 사용해야 합니다.

 

여기서 헷갈리면 안되는게 content / darknet 폴더에서 실행시키는거지 gdrive에 darknet에서 실행시키는게 아니라는점

구글드라이브 폴더는 그저 구글 백업용에 불가..?합니다.

darknet 환경에서 실행시켜야되기 때문에 앞으로도 게속 cp 복사를 통해 darknet 폴더로 붙여주는 작업을 게속 할 것입니다.

지금 현재 위치를 보면 content 에 darknet폴더에 있음을 확인 할 수 있으며 

darknet 폴더의 폴더or파일 리스트 들을 확인 해보면 우측 하단 밑에 weights 폴더가 생성 되었음을 확인 할 수 있다.

 

5. YOLO 테스트

!./darknet detect cfg/yolov3.cfg weights/yolov3.weights data/person.jpg
imShow('predictions.jpg')

이제 content/ darknet 폴더에서 yolov3.cfg 와 yolov3.weights와 data폴더에 person.jpg 를 활용하여 

imshow 함수 실행시키면,, 아래와 같이 객체를 인식한 사진을 볼 수 있다.