Ryzen AIパワードPCでYoloV8物体検出を実行するチュートリアル
Table of Contents:
- イントロダクション
- 必要なプログラムのインストール
- ipodriverのインストール
- ソフトウェアパッケージの展開とインストール
- ONNXランタイムのインストール
- OpenCVのビルドとインストール
- gflagsとglogのビルドとインストール
- Yuluチュートリアルのクローン
- QATメソドロジーの説明
- プレクオンタイズモデルの使用
- ELOV8ソースコードのビルド
- JPEGファイルによるモデルの検証
- フロントカメラの使用
- 結論
イントロダクション
📌 AMD AIマーケティングのFan Zhangです。本日はRyzen AIソフトウェアプラットフォームのYulu V8エンドツーエンドチュートリアルについて解説します。
必要なプログラムのインストール
📌 Ryzen AIラップトップを準備し、Studio 2019をインストールしてください。もし2022など他のバージョンを使用している場合は、スクリプトを少し変更する必要があります。さらに、addacondaまたはminiconda、およびgitもインストールする必要があります。
ipodriverのインストール
📌 Ryzen AIのドキュメントからipodriverおよびソフトウェアパッケージをダウンロードし、デスクトップにフォルダを作成します。次に、これらのパッケージを展開し、PowerShellでドライバーバッチファイルを実行してインストールします。
ソフトウェアパッケージの展開とインストール
📌 パッケージが正常に展開されたら、カウンター環境を作成するためにcondaを使用します。ULUV8を使用して環境を作成します。次に、ONNXランタイムとCMakeをインストールします。さらに、OpenCVのセールスコードをクローンし、ビルドします。同様に、gflagsとglogのセールスコードも同様にビルドします。
ONNXランタイムのインストール
📌 ONNXランタイムは、例をビルドするために必要です。C++の例の場合はCMakeも必要ですが、Pythonの場合は不要かもしれません。
OpenCVのビルドとインストール
📌 OpenCVのセールスコードをクローンし、カスタムのビルドフォルダを作成してコードをビルドおよびインストールします。
gflagsとglogのビルドとインストール
📌 gflagsとglogのセールスコードをクローンし、新しいフォルダを作成してコードをビルドおよびインストールします。
Yuluチュートリアルのクローン
📌 Ryzen 8ソフトウェアのGitHubリポジトリからYuluチュートリアルをクローンします。このチュートリアルでは、プレクオンタイズモデルの使用を示します。
QATメソドロジーの説明
📌 モデルを8ビット整数に変換する際に、精度の損失が発生します。この精度を回復するためにQATメソドロジーを使用します。ただし、このQATは時間がかかるため、このチュートリアルでは実施しません。興味がある場合は、スクリプトが提供されているので、Ryzen 8ソフトウェアのチュートリアルを参照して試してみてください。
プレクオンタイズモデルの使用
📌 プレクオンタイズモデルを使用して組み合わせと実装を示します。ELOV8ソースコードをビルドします。
JPEGファイルによるモデルの検証
📌 JPEGファイルを使用してモデルが正常に展開されたかどうかを検証します。
フロントカメラの使用
📌 フロントカメラを使用してリアルタイムに顔のバウンディングボックスを表示します。
結論
📌 以上がYulu V8エンドツーエンドチュートリアルの手順です。ご質問があればお答えいたします。
Highlights:
- Ryzen AIソフトウェアプラットフォームのYulu V8エンドツーエンドチュートリアル
- 必要なプログラムのインストール
- ipodriverのインストール
- ソフトウェアパッケージの展開とインストール
- ONNXランタイムのインストール
- OpenCVのビルドとインストール
- gflagsとglogのビルドとインストール
- Yuluチュートリアルのクローン
- QATメソドロジーの説明
- プレクオンタイズモデルの使用
- ELOV8ソースコードのビルド
- JPEGファイルによるモデルの検証
- フロントカメラの使用
- 結論
イントロダクション
こんにちは、AMD AIマーケティングのFan Zhangです。本日はRyzen AIソフトウェアプラットフォームのYulu V8エンドツーエンドチュートリアルについて解説します。このチュートリアルでは、Ryzen AIのラップトップを使用して、ソフトウェアの構築とモデルの展開を行います。
必要なプログラムのインストール
まず最初に、Ryzen AIラップトップにはいくつかの前提条件があります。Studio 2019の最新バージョンをインストールしてください。もし異なるバージョンを使用している場合は、スクリプトを少し変更する必要があります。また、conda(addacondaまたはminiconda)とgitもインストールする必要があります。
ipodriverのインストール
次に、ipodriverをインストールします。Ryzen AIのドキュメントからipodriverと必要なソフトウェアパッケージをダウンロードしてデスクトップに保存します。展開した後、PowerShellでドライバーバッチファイルを実行し、ipodriverをインストールします。
ソフトウェアパッケージの展開とインストール
ipodriverのインストールが完了したら、次にソフトウェアパッケージの展開とインストールを行います。デスクトップに保存されたパッケージを展開し、ULUV8を使用して独自のカウンター環境を作成します。さらに、ONNXランタイムとCMakeをインストールします。
ONNXランタイムのインストール
ONNXランタイムは、モデルのビルドに必要なツールです。C++の例の場合はCMakeもインストールが必要ですが、Pythonを使用する場合は不要です。
OpenCVのビルドとインストール
次に、OpenCVのセールスコードをクローンし、カスタムのビルドフォルダを作成します。コードをビルドしてインストールし、OpenCVを使用できるようにします。
gflagsとglogのビルドとインストール
gflagsとglogも同様に、セールスコードをクローンし、ビルドフォルダを作成してコードをビルドし、インストールします。
Yuluチュートリアルのクローン
Ryzen 8ソフトウェアのGitHubリポジトリからYuluチュートリアルをクローンします。このチュートリアルでは、プレクオンタイズモデルの使用方法について説明します。
QATメソドロジーの説明
モデルをプレクオンタイズする際に、一部の精度が失われることがあります。この精度を回復するためには、QAT(量子化済み教師有り学習)メソドロジーを使用します。このチュートリアルではQATは時間がかかるため行いませんが、興味がある場合はスクリプトが提供されていますので、試してみることができます。
プレクオンタイズモデルの使用
このチュートリアルでは、プレクオンタイズモデルを使用して組み合わせと実装の手順を示します。ELOV8ソースコードをビルドし、モデルを展開します。
JPEGファイルによるモデルの検証
モデルが正常に展開されたかどうかを確認するために、JPEGファイルを使用して検証を行います。
フロントカメラの使用
フロントカメラを使用してリアルタイムに顔のバウンディングボックスを表示します。ディスプレイのスケールを変更し、カメラバッチファイルを実行することで、顔の検出を行います。
結論
以上がYulu V8のエンドツーエンドチュートリアルの手順です。もし質問があればお気軽にご連絡ください。
FAQ:
Q: 必要なプログラムのインストールはどのように行えばいいですか?
A: Ryzen AIラップトップを使用し、Studio 2019をインストールしてください。ダウンロードしたパッケージを展開し、ipodriverをインストールする必要があります。
Q: OpenCVやgflags、glogのビルドとインストールに時間がかかるのでしょうか?
A: はい、これらのビルドとインストールは時間がかかる場合があります。お待ちいただく必要がありますが、手順に従って進めていくことが重要です。
Q: QATメソドロジーを使用するにはどうすればいいですか?
A: このチュートリアルではQATメソドロジーは行われませんが、興味がある場合は提供されているスクリプトを使用して試すことができます。
Resources:
- Ryzen AIソフトウェアドキュメント
- Ryzen 8ソフトウェアのGitHubリポジトリ