Ambarella 오류 문제 해결 - Amazon SageMaker AI
구성 파일 설정보정 이미지평균 및 척도컴파일 로그를 확인하세요.

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

Ambarella 오류 문제 해결

SageMaker Neo를 사용하려면 모델을 압축된 TAR 파일(*.tar.gz)로 패키징해야 합니다. Ambarella 장치는 컴파일을 위해 전송하기 전에 압축된 TAR 파일 내에 추가 파일을 포함해야 합니다. SageMaker Neo를 사용하여 Ambarella 타겟용 모델을 컴파일하려면 압축된 TAR 파일 내에 다음 파일을 포함하세요.

  • SageMaker Neo에서 지원하는 프레임워크를 사용하는 훈련된 모델

  • JSON 구성 파일

  • 보정 이미지

예를 들어 압축된 TAR 파일의 내용은 다음 예제와 비슷해야 합니다.

├──amba_config.json
├──calib_data
|    ├── data1
|    ├── data2
|    ├── .
|    ├── .
|    ├── .
|    └── data500
└──mobilenet_v1_1.0_0224_frozen.pb

디렉토리는 다음과 같이 구성됩니다.

  • amba_config.json: 구성 파일

  • calib_data: 보정 이미지가 포함된 폴더

  • mobilenet_v1_1.0_0224_frozen.pb: 프로즌 그래프로 저장된 TensorFlow 모델

SageMaker Neo에서 지원하는 프레임워크에 대한 추가 정보는 지원되는 프레임워크 섹션을 참조하세요.

구성 파일 설정

구성 파일은 Ambarella 툴체인이 모델을 컴파일하는 데 필요한 정보를 제공합니다. 구성 파일은 JSON 파일로 저장해야 하며 파일 이름은 반드시 *config.json로 끝나야 합니다. 다음 차트는 구성 파일의 콘텐츠를 보여줍니다.

키 설명 예제

입력

입력 계층을 속성에 매핑하는 사전

 
{inputs:{"data":{...},"data1":{...}}}

“데이터”

입력 계층 이름. 참고: “data”는 입력 계층에 레이블을 지정하는 데 사용할 수 있는 이름의 예입니다.

“데이터”

셰이프

모델에 입력되는 입력의 형태를 설명합니다. 이는 SageMaker Neo가 사용하는 것과 동일한 규칙을 따릅니다.

“셰이프”: “1,3,224,224"

파일 경로

보정 이미지가 들어 있는 디렉토리의 상대 경로. JPG 또는 PNG와 같은 바이너리 또는 이미지 파일일 수 있습니다.

“파일 경로”: “calib_data/”

컬러 포맷

모델에 필요한 색상 형식. 이미지를 바이너리로 변환할 때 사용됩니다. 지원되는 값: [RGB, BGR]. 기본값은 RGB입니다.

“컬러 포맷”: “RGB”

평균

입력값에서 뺄 평균값입니다. 단일 값 또는 값 목록일 수 있습니다. 평균이 목록으로 제공되는 경우 항목 수는 입력의 채널 차원과 일치해야 합니다.

“평균”: 128.0

사용

입력을 정규화하는 데 사용할 스케일 값입니다. 단일 값 또는 값 목록일 수 있습니다. 스케일이 목록으로 제공되는 경우 항목 수는 입력의 채널 크기와 일치해야 합니다.

“스케일”: 255.0

다음은 구성 파일 예제입니다.

{
    "inputs": {
        "data": {
                "shape": "1, 3, 224, 224",
                "filepath": "calib_data/",
                "colorformat": "RGB",
                "mean":[128,128,128],
                "scale":[128.0,128.0,128.0]
        }
    }
}

보정 이미지

보정 이미지를 제공하여 훈련된 모델을 양자화합니다. 모델을 양자화하면 Ambarella SoC(시스템 온 칩) 의 CVFlow 엔진 성능이 향상됩니다. Ambarella 툴체인은 보정 이미지를 사용하여 최적의 성능과 정확도를 달성하기 위해 모델의 각 계층을 양자화하는 방법을 결정합니다. 각 계층은 INT8 또는 INT16 형식으로 독립적으로 양자화됩니다. 최종 모델에는 양자화 후 INT8 계층과 INT16 계층이 혼합되어 있습니다.

몇 개의 이미지를 사용해야 할까요?

모델이 처리할 것으로 예상되는 장면 유형을 나타내는 이미지를 100~200개 정도 포함하는 것이 좋습니다. 모델 컴파일 시간은 입력 파일의 보정 이미지 수에 따라 선형적으로 증가합니다.

권장 이미지 형식은 무엇입니까?

보정 이미지는 원시 바이너리 형식이거나 JPG 및 PNG와 같은 이미지 형식일 수 있습니다.

보정 폴더에는 이미지와 바이너리 파일이 혼합되어 포함될 수 있습니다. 보정 폴더에 이미지와 바이너리 파일이 모두 들어 있는 경우 툴체인은 먼저 이미지를 바이너리 파일로 변환합니다. 변환이 완료되면 새로 생성된 바이너리 파일을 원래 폴더에 있던 바이너리 파일과 함께 사용합니다.

먼저 이미지를 바이너리 형식으로 변환할 수 있나요?

예. OpenCV 또는 PIL과 같은 오픈 소스 패키지를 사용하여 이미지를 바이너리 형식으로 변환할 수 있습니다. 훈련된 모델의 입력 계층에 맞도록 이미지를 자르고 크기를 조정합니다.

평균 및 척도

Amberalla 툴체인에 평균 및 스케일링 전처리 옵션을 지정할 수 있습니다. 이러한 연산은 네트워크에 내장되며 각 입력에 대한 추론 중에 적용됩니다. 평균이나 척도를 지정하는 경우 처리된 데이터를 제공하지 마세요. 더 구체적으로 말하자면, 평균을 빼거나 스케일링을 적용한 데이터는 제공하지 마세요.

컴파일 로그를 확인하세요.

Ambarella 장치의 컴파일 로그를 확인하는 방법에 대한 추가 정보는 컴파일 로그를 확인하세요. 섹션을 참조하세요.