Deep Learning

Objectifs

• Quels objectifs pour ce projet :
  • Sur des images qui viennent probablement des réseaux sociaux, détecter :
    • Ce qu’il y a dans l’image (objet detection & classification)
    • Des logos
    • Des émotions
  • Peut être d’autres cas d’usage
  • Se rappeler d’aller à l’essentiel et de toujours prendre des modèles pré entrainés

Apprentissage

• Top-down :
  • https://eu.udacity.com/course/deep-learning--ud730
  • http://www.fast.ai/ et http://course.fast.ai/
  • Siraj Raval channel https://www.youtube.com/channel/UCWN3xxRkmTPmbKwht9FuE5A
• Bottom-up :
  • http://cs231n.github.io/
  • https://fr.coursera.org/specializations/deep-learning

Librairies

Open CV

Documentation officielle d’OpenCV https://docs.opencv.org/2.4/doc/tutorials

Deep Learning

• Keras + Tensorflow (Google)

• Pytorch (Facebook) + fastai (Fast.ai)

• Autres (mais moins intéressante pour nous) : CNTK (Microsoft), Caffe2 (Facebook), MXNET (Amazon), Paddle (Baidu)

Hardware

• Soit sur ton ordi / CPU, lent mais toujours une possibilité
• GPU sur le cloud https://www.paperspace.com/ https://www.floydhub.com/
• GPU gratuit sur Kaggle / Colab https://colab.research.google.com/

Comment installer et configurer le GPU de son PC portable (avec CUDA) ?

Source : https://medium.com/@lmoroney_40129/installing-tensorflow-with-gpu-on-windows-10-3309fec55a00

L'installation proposée par ce tutoriel est destinée à TensorFlow, mais après avoir été installé, le GPU et CUDA sont bien détectés par d'autres framework comme PyTorch. Quelques remarques :

1. Il faut install CUDA v9.0, et au moment de l'installation, il suffit de choisir l'option only CUDA (pas besoin de default installation)

2. Il faut ajouter le path vers le CUDA Toolking aux variables d'environnement :

set PATH=%PATH%;C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin

3. Pour tester l'installation dans TensorFlow:

from tensorflow.python.client import device_lib

def get_available_gpus():
    local_device_protos = device_lib.list_local_devices()
    return [x.name for x in local_device_protos if x.device_type == 'GPU']