윈도우에서 Tensorflow slim 모델 사용하기 - 0. Intro

*Tensorflow 1.9 버전 튜토리얼
1. 윈도우에 Tensorflow GPU 버전 설치하기
2 딥러닝 slim 라이브러리 설치, 학습, 평가하기
3. 내 이미지로 학습 하기 ( caltech 이미지 사용 )
4. 학습된 모델 사용하기

0. Intro

 구글의 딥러닝 라이브러리 Tensorflow에 입문하려는 많은 사람들이 있지만 처음 접하는 사람이 가장 힘들어하는 부분은 아마도 GPU를 사용하기 위해서 리눅스 운영체제를 설치해야 한다는 점이 었을 것입니다. 저도 기존 윈도우 환경에서 모든 개발을 하던 차에 리눅스 설치를 위한 새 HW를 마련하기도 그렇고... 리눅스 환경에 익숙치 않아서 새로 공부 좀 해야 한다는 점... 그래서 VMware나 Virtual Box 같은 가상 환경에 리눅스를 깔고 Tensorflow까지 설치해 동작까지 확인은 했지만... 이후 진도는 잘 나가지 않았습니다. 진도가 잘 나가지 않았던 가장 큰 이유는 가상환경에서 GPU가 돌지 않아 학습에 너무 많은 시간이 걸렸다는 점이었죠.

그래서 Tensorflow 말고 윈도우에서 딥러닝을 돌려볼 수 있는 라이브러리 중 MXnet을 이용해 여러가지 실험을 해보긴 했지만 사용자가 많지 않다 보니 Tensorflow에 비해 최신 기술의 구현 소스들이 많이 부족 했습니다.

그러던 차에 2016년 11월 29일에 Tensorflow v0.12.0 RC0 이 릴리즈되면서 윈도우에서 GPU를 완벽하게 지원하는 라이브러리가 발표 되었습니다! 아자! 드디어 나도 Tensorflow 할 수 있겠구나!!

그럼 Tensorflow로 어떤 걸 한번 해볼까? 생각하던 차에 이미지 Classification을 내가 가진 이미지를 사용해서 학습 해보고 응용해보자라는 생각을 했습니다. 하여 2주간의 삽질을 하며 얻은 결과를 모두 포스팅 해볼까 합니다. 특히 학습에 사용한 모델은 Tensorflow에 포함되어 있는 slim 을 사용했습니다. 처음 slim을 사용할 때 아직 한국에서 포스팅 된 자료를 찾을 수 없어 삽질을 좀 했습니다.

이 포스팅 자료를 바탕으로 현업에서도 이미지 Classification을 적용하려는 분야에 바로 사용할 수도 있을 것입니다.

포스팅 순서

0. Intro
1. 윈도우에 Tensorflow GPU 버전 설치 하기
1.5 TF-Slim 소개
2.1 딥러닝 slim 라이브러리 설치 및 이미지 셋 다운로드
2.2 딥러닝 모델 학습하기
2.3 딥러닝 모델 평가하기
3. 내 이미지로 학습 하기 ( caltech 이미지 사용 )
4. 학습된 모델 사용하기
5. Python Tkinter GUI 응용 프로그램 만들기

현재 4번 까지는 실제 삽질을 끝낸 상태이고, 5번은 삽질을 계속 할 예정입니다. 이 포스팅이 끝나면 slim 을 이용한 Segmentation 을 삽질 할 예정입니다.

그럼 시작하시죠.