27.02.2023 13:50 | |
Beigetreten: 01.02.2021 Letzter Bes: 10.07.2024 Beiträge: 1376 Bewertung: (130)
|
Diese Beitragsreihe orientiert sich am „Projekt Template Image Classification“ des AI SDKs. Das AI SDK selbst wird nur für das Beispiel mit Industrial Edge vorausgesetzt. Herunterladen der ProjektvorlageLadet das Beispiel „Projekt Template Image Classification“ hier herunter: Anlegen des ProjektordnersLegt im Documents Ordner einen Ordner z.B. „AI“ an und in diesem einen Ordner „siemens_demo“ Nun kann der Ordner „image_classification“ in den Ordner „AI“ sowie einmal in den Ordner „siemens_demo“ der virtuellen Maschine kopiert werden. Hinweis für VMWare Nutzer Unter Ubuntu 22.04 ist es aufgrund eines Kompatibilitätsproblems nötig sich abzumelden und bei der erneuten Anmeldung mit dem Xorg Display Server anzumelden, um Copy & Paste nutzen zu können. Nun kann das Beispielprojekt per Drag&Drop oder Copy&Paste in den eben erstellten Ordner in die Ubuntu VM übertragen werden. Öffnen der ProjektvorlageStartet nun Visual Studio Code. Folgt der „Get Started“ Seite, wenn Ihr VS Code personalisieren wollt oder schließt diese. Über die Tastenkombination STRG + K + O oder über die Befehlsleiste File -> Open Folder könnt Ihr den Projektordner „image_classification“ öffnen. Navigiert nun zum Ordner „Documents/AI/siemens_demo/image_classification“ und wählt diesen mit einem einfachen Mausklick aus und wählt „Open“ Im dann folgenden Dialog sollte „Yes, I trust the authors“ ausgewählt werden. Umgang mit der ProjektvorlageDie Projektvorlage ist ausgiebig dokumentiert. Zum einen liegt eine Readme.md Datei (1) bei, welche den allgemeinen Umgang mit der Projektvorlage erläutert.Desweiteren gibt es noch den Ordner notebooks (2) , welcher die dokumentierten Skripte beinhaltet. Erstellen einer virtuellen UmgebungÖffnet die Datei „image_classification/requirements.txt“ und ersetzt diese mit dem unten stehenden Inhalt. Speichert anschließend die Datei mit STR + S nach dem Einfügen ab.
Öffnet in VS Code ein Terminal Erstellt eine virtuelle Umgebung, falls noch nicht geschehen
Nach der Erstellung wird die neue virtuelle Umgebung sofort gestartet, was an dem „( Installiert nun die eben definierten Pakete aus der requirements.txt in eurer virtuellen Umgebung mit
Nun wählen wir für VS Code die virtuelle Umgebung als Laufzeitumgebung aus. Wählt hierzu eine beliebige Python Datei aus und Ihr findet unten rechts die aktuelle Python Umgebung zur Auswahl. Sollte diese nicht angezeigt werden, kann die Liste über den aktualisieren Pfeil neu erstellt werden. Training des CNNFür das Training gehen wir wie im Notizbuch „00-Welcome.ipynb“ beschrieben vor. Jetzt fragt Visual Studio Code in einem Dialogfenster nach, ein fehlendes Paket zu installieren. Bestätigt dies mit „Install“. Wählt anschließend „Change Kernel“, wenn der folgende Dialog auftauchen sollte. Und wählt dort „siemens_demo“. Sobald das Notizbuch abgeschlossen ist, müsst Ihr noch das Notizbuch: „20-TrainClassificationModel.ipynb“ ausführen. Verfahrt bei diesem so, wie beim vorigen notebook. Hinweis Viele Grüße |
Folgen Sie uns auf