Skip to content

Latest commit

 

History

History
executable file
·
54 lines (42 loc) · 2.04 KB

README.md

File metadata and controls

executable file
·
54 lines (42 loc) · 2.04 KB
Raw

Satellite

Remote Sensing 분야를 위한 Deeplearing Training Repo

  • Remote Sensing 분야에 대한 관심 많아지고 있는데, 참고자료가 매우 적음
  • torchgeo와 같은 라이브러리가 있긴 하지만, wrapping이 너무 되어있어서 연구 목적으로 부적절
  • 결론은 그냥 내가 너무 불편해서 만든 레포....사용성이 좋지는 않음

Installation

  • 편리를 위해 서버 전체를 volumne했기 때문에 경로는 따로 설정할 필요가 있음
  • 위험하긴 하지만 너무 편함
git clone https://github.com/gjustin40/Satellite.git
cd Satellite
docker build -t satellite --no-cache .
docker run -d --name satellite -it --gpus all --shm-size=100G -v {서버dir}:{container 내에 dir}
docker exec -it satellite /bin/bash
cd {repo clone한 곳으로 이동}

Features

여러 라이브러리를 사용하다가 좋다고 생각되는 부분을 가져와서 적용함

  • Epoch-based가 아닌 Iteration-based로 구현 (feat. MMSegmentation)
  • Model 단위로 수행되고, Model에는 forward, get_loss, get_network, get_metric 등 구현
  • DistributedDataParallel(DDP)를 사용했고, torchrun명령어를 이용해 실행 (./tools/dist_train.sh)
  • 연구 목적이라 다른 편리한 라이브러리처럼 한 큐에 실행되는 구조는 아님. (Get Started 참고)

Get Started

Satellite 라이브러리를 수행하기 위해 사전에 설정해야하는 부분

  • to-do
토글 접기/펼치기

Train

./tools/dist_train.sh {yaml_config_path} {num_gpu}

# example 1
./tools/dist_train.sh configs/config.yaml 2

# example 2
CUDA_VISIBLE_DEVICES=2,3 ./tools/dist_train.sh configs/config.yaml 2

# example 3
PORT=29301 CUDA_VISIBLE_DEVICES=2,3 ./tools/dist_train.sh configs/config.yaml 2
  • CUDA_VISIBLE_DEVICES: 여러 GPU 중 원하는 GPU만 선택해서 학습
  • PORT: DDP를 사용하면 Port가 필요함. 같은 서버 내에서 여러 train을 실행 할 때 다르게 설정해야함