Python
Python 3.7.4 (tags/v3.7.4:e09359112e, Jul 8 2019, 20:34:20) [MSC v.1916 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>>
Pastikan Sudah terinstall virual environtment karena akan digunakan dua versi tensorflow versi 2.0 dan versi 1.5.1. Versi 2 digunakan untuk proses pra-training sedangkan versi 1.5.1 digunakan untuk proses training.
jika terdapat error ditensorflow 2 bisa mencoba perbaiki data di baris ini
AttributeError: module 'tensorflow' has no attribute 'GraphDef'
import tensorflow as tf
menjadi
import tensorflow.compat.v1 as tf
AttributeError: module 'tensorflow' has no attribute 'gfile'
utils\label_map_util.py
with tf.io.gfile.GFile(PATH_TO_CKPT, 'rb') as fid:
#with tf.io.gfile.GFile(PATH_TO_CKPT, 'rb') as fid:
tf.compat.v1.GraphDef() # -> instead of tf.GraphDef()
tf.compat.v2.io.gfile.GFile() # -> instead of tf.gfile.GFile()
Download full TensorFlow object detection repository di alamat ini https://github.com/tensorflow/models/releases/tag/v2.0
untuk melihat seluruh releasenya ada di link ini https://github.com/tensorflow/models/releases
untuk melihat default reponya ada dilink ini https://github.com/tensorflow/models
Ujicoba Object Detection Tensorflow di Jupyter Notebook
jika menggunakan shell
D: ; cd 'D:\DATA_APLIKASI\CODING\PYTHON\python3_01\007. working_area'
jika menggunakan CMD
D: & cd D:\DATA_APLIKASI\CODING\PYTHON\python3_01\007. working_area
pisahkan data di folder data_master / images menjadi dua folder train dan test (perbandingan 7:3) 7 untuk training dan 3 untuk test data images dan xml harus satu folder terlihat seperti gambar berikut,
Gambar data folder master
lalu
Gambar 2. data folder master
lalu
Gambar 3. data folder master
pada direkstori models\research\object_detection jalankan
#
python data_file/zzz_xml_to_csv.py
#
edit File data_file/zzz_generate_tfrecord.py lalu sesuaikan jumlah class yang digunakan contoh nya sebagai berikut
Download faster_rcnn_inception_v2_coco di alamat berikut https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/detection_model_zoo.md extract lalu Copy faster_rcnn_inception_v2_coco_2018_01_28 di directory models\research\object_detection
Konfigurasi Pendukung Training
Pada folder data copy file pet_label_map.pbtxt kemudian rename menjadi labelmap.pbtxt sesuaikan jumlah class data yang akan digunakan. Contoh penulisan class adalah sebagai berikut.
letakan file labelmap.pbtxt di folder data_master/training
copy faster_rcnn_inception_v2_pets.config pada direktori models\research\object_detection\samples\configs lalu paste di direktori data_master/training
1. Dibagian model ganti jumalah num_classes: 4 dengan seberapa banyak data class yang anda gunakan
2. fine_tune_checkpoint: "faster_rcnn_inception_v2_coco_2018_01_28/model.ckpt" sesuaikan dengan folder yang digunakan
3. pada bagian train_input_reader: ubah folder input_path: menjadi input_path: "data_master/train.record" label_map_path: "data_master/training/labelmap.pbtxt"
4. Pada bagian eval_config sesuaikan jumlah data sample yang digunakan dalam proses training num_examples: 20
5. Pada bagian eval_input_reader ubah input_path: "data_master/test.record" label_map_path: "data_master/training/labelmap.pbtxt"
pada saat training jika error module not found nets dan deployment solusinya copy folder net dan deployment di folder model/research/slim ke folder \tensorflow_1.15\Lib\site-packages lalu jalankan ulang perintah trainingnya
Lalu Exprot Hasil Training angka xxx diganti dengan data training yang tersimpan
Untuk proses training mohon maaf tidak di diupload karena pada saat training hardware yang digunakan tidak cukup kuat untuk
merekam layar sehingga video gagal di rekam.