TensorFlow + DirectML avec Windows ML : détection d’objets en temps réel à partir d’une vidéo

Ce tutoriel montre comment entraîner et évaluer localement un modèle de détection d’objets en temps réel dans une application UWP. Le modèle sera entraîné avec TensorFlow localement sur votre ordinateur via les API DirectML, qui fournissent un entraînement accéléré par GPU sur tous les appareils Windows. Le modèle formé sera ensuite intégré dans une application UWP qui utilise votre webcam pour détecter les objets dans le cadre en temps réel, localement à l’aide des API Windows ML.

Nous allons commencer par activer TensorFlow sur votre machine.

Si vous souhaitez apprendre à entraîner votre modèle avec TensorFlow, vous pouvez passer à la section Entraîner un modèle.

Si vous disposez d’un modèle TensorFlow, mais que vous souhaitez savoir comment le convertir dans un format ONNX adapté à une utilisation avec les API WinML, consultez Convertir votre modèle.

Si vous disposez d’un modèle et que vous souhaitez apprendre à créer une application WinML à partir de zéro, accédez à Déployer votre modèle.

Activer l’accélération GPU pour TensorFlow avec DirectML

Pour activer TensorFlow sur votre ordinateur, procédez comme suit.

Vérifier votre version de Windows

Le package TensorFlow avec DirectML sur Windows natif fonctionne sur Windows 10 version 1709 (Build 16299) ou les versions ultérieures de Windows. Vous pouvez vérifier le numéro de version de votre build en l’exécutant winver via la commande Exécuter (Windows logo key + R).

Rechercher les mises à jour du pilote GPU

Vérifiez que le pilote GPU le plus récent est installé. Sélectionnez Rechercher les mises à jour dans la section Windows Update de l’application Paramètres .

Configurer TensorFlow avec l’aperçu de DirectML

Pour une utilisation avec TensorFlow, il est recommandé de configurer un environnement Python virtuel dans Windows. Il existe de nombreux outils que vous pouvez utiliser pour configurer un environnement Python virtuel - pour ces instructions, nous utiliserons le miniconda d’Anaconda. Le reste de cette configuration suppose que vous utilisez un environnement miniconda.

Configurer l’environnement Python

Remarque

Dans les commandes ci-dessous, nous utilisons Python 3.6. Cependant, le tensorflow-directml package fonctionne dans un environnement Python 3.5, 3.6 ou 3.7.

Téléchargez et installez le programme d’installation Windows de Miniconda sur votre machine. Si vous en avez besoin, il existe des conseils supplémentaires pour la configuration sur le site d’Anaconda. Une fois Miniconda installé, créez un environnement à l’aide de Python nommé directml et activez-le à l’aide des commandes suivantes :

conda create --name directml python=3.6 conda activate directml

Installer le package Tensorflow avec DirectML

Remarque

Le tensorflow-directml package ne prend en charge que TensorFlow 1.15.

Installez le package TensorFlow avec DirectML via pip en exécutant la commande suivante :

pip install tensorflow-directml

Vérifier l'installation du package

Une fois que vous avez installé le tensorflow-directml package, vous pouvez vérifier qu’il fonctionne correctement en ajoutant deux tenseurs. Copiez les lignes suivantes dans une session Python interactive :

import tensorflow.compat.v1 as tf 

tf.enable_eager_execution(tf.ConfigProto(log_device_placement=True)) 

print(tf.add([1.0, 2.0], [3.0, 4.0])) 

Vous devriez voir une sortie similaire à la suivante, avec l’opérateur add placé sur le périphérique DML.

Étapes suivantes

Maintenant que vous avez réglé vos conditions préalables, vous pouvez procéder à la création de votre modèle WinML. Dans la partie suivante, vous allez utiliser TensorFlow pour créer votre modèle de détection d’objets en temps réel.

Important

TensorFlow, le logo TensorFlow et toutes les marques associées sont des marques commerciales de Google Inc.