{"id":297396,"date":"2020-01-20T15:00:20","date_gmt":"2020-01-20T15:00:20","guid":{"rendered":"http:\/\/savepearlharbor.com\/?p=297396"},"modified":"-0001-11-30T00:00:00","modified_gmt":"-0001-11-29T21:00:00","slug":"","status":"publish","type":"post","link":"https:\/\/savepearlharbor.com\/?p=297396","title":{"rendered":"TensorRT 6.x.x.x \u2014 \u0432\u044b\u0441\u043e\u043a\u043e\u043f\u0440\u043e\u0438\u0437\u0432\u043e\u0434\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u0439 \u0438\u043d\u0444\u0435\u0440\u0435\u043d\u0441 \u0434\u043b\u044f \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u0433\u043b\u0443\u0431\u043e\u043a\u043e\u0433\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f (Object Detection \u0438 Segmentation)"},"content":{"rendered":"\n<div class=\"post__text post__text-html\" id=\"post-content-body\" data-io-article-url=\"https:\/\/habr.com\/ru\/company\/ods\/blog\/483074\/\"><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/webt\/qr\/je\/yu\/qrjeyup390z-iv5uyduultmmxcs.png\" alt=\"image\"><br \/>  \u0411\u043e\u043b\u044c\u043d\u043e \u0442\u043e\u043b\u044c\u043a\u043e \u0432 \u043f\u0435\u0440\u0432\u044b\u0439 \u0440\u0430\u0437!<\/p>\n<p>  \u0412\u0441\u0435\u043c \u043f\u0440\u0438\u0432\u0435\u0442! \u0414\u043e\u0440\u043e\u0433\u0438\u0435 \u0434\u0440\u0443\u0437\u044c\u044f, \u0432 \u044d\u0442\u043e\u0439 \u0441\u0442\u0430\u0442\u044c\u0435 \u044f \u0445\u043e\u0447\u0443 \u043f\u043e\u0434\u0435\u043b\u0438\u0442\u044c\u0441\u044f \u0441\u0432\u043e\u0438\u043c \u043e\u043f\u044b\u0442\u043e\u043c \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u044f TensorRT, RetinaNet \u043d\u0430 \u0431\u0430\u0437\u0435 \u0440\u0435\u043f\u043e\u0437\u0438\u0442\u043e\u0440\u0438\u044f <a href=\"https:\/\/github.com\/aidonchuk\/retinanet-examples\">github.com\/aidonchuk\/retinanet-examples<\/a> (\u044d\u0442\u043e \u0444\u043e\u0440\u043a \u043e\u0444\u0438\u0446\u0438\u0430\u043b\u044c\u043d\u043e\u0439 \u0440\u0435\u043f\u044b \u043e\u0442 <a href=\"https:\/\/github.com\/NVIDIA\/retinanet-examples\">nvidia<\/a>, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043f\u043e\u0437\u0432\u043e\u043b\u0438\u0442 \u043d\u0430\u0447\u0430\u0442\u044c \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u0432 \u043f\u0440\u043e\u0434\u0430\u043a\u0448\u0435\u043d \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0435 \u043c\u043e\u0434\u0435\u043b\u0438 \u0432 \u043a\u0440\u0430\u0442\u0447\u0430\u0439\u0448\u0438\u0435 \u0441\u0440\u043e\u043a\u0438). \u041f\u0440\u043e\u043b\u0438\u0441\u0442\u044b\u0432\u0430\u044f \u0441\u043e\u043e\u0431\u0449\u0435\u043d\u0438\u044f \u0432 \u043a\u0430\u043d\u0430\u043b\u0430\u0445 \u0441\u043e\u043e\u0431\u0449\u0435\u0441\u0442\u0432\u0430 <a href=\"https:\/\/ods.ai\">ods.ai<\/a>, \u044f \u0441\u0442\u0430\u043b\u043a\u0438\u0432\u0430\u044e\u0441\u044c \u0441 \u0432\u043e\u043f\u0440\u043e\u0441\u0430\u043c\u0438 \u043f\u043e \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u044e TensorRT, \u0438 \u0432 \u043e\u0441\u043d\u043e\u0432\u043d\u043e\u043c \u0432\u043e\u043f\u0440\u043e\u0441\u044b \u043f\u043e\u0432\u0442\u043e\u0440\u044f\u044e\u0442\u0441\u044f, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u044f \u0440\u0435\u0448\u0438\u043b \u043d\u0430\u043f\u0438\u0441\u0430\u0442\u044c <i>\u043a\u0430\u043a \u043c\u043e\u0436\u043d\u043e \u0431\u043e\u043b\u0435\u0435 \u043f\u043e\u043b\u043d\u043e\u0435<\/i> \u0440\u0443\u043a\u043e\u0432\u043e\u0434\u0441\u0442\u0432\u043e \u043f\u043e \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u044e \u0431\u044b\u0441\u0442\u0440\u043e\u0433\u043e \u0438\u043d\u0444\u0435\u0440\u0435\u043d\u0441\u0430 \u043d\u0430 \u043e\u0441\u043d\u043e\u0432\u0435 TensorRT, RetinaNet, Unet \u0438 docker. <br \/>  <a name=\"habracut\"><\/a><br \/>  <b>\u041e\u043f\u0438\u0441\u0430\u043d\u0438\u0435 \u0437\u0430\u0434\u0430\u0447\u0438<\/b><br \/>  \u041f\u0440\u0435\u0434\u043b\u0430\u0433\u0430\u044e \u043f\u043e\u0441\u0442\u0430\u0432\u0438\u0442\u044c \u0437\u0430\u0434\u0430\u0447\u0443 \u0442\u0430\u043a\u0438\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c: \u043d\u0430\u043c \u043d\u0435\u043e\u0431\u0445\u043e\u0434\u0438\u043c\u043e \u0440\u0430\u0437\u043c\u0435\u0442\u0438\u0442\u044c \u0434\u0430\u0442\u0430\u0441\u0435\u0442, \u043e\u0431\u0443\u0447\u0438\u0442\u044c \u043d\u0430 \u043d\u0451\u043c \u0441\u0435\u0442\u044c RetinaNet\/Unet \u043d\u0430 Pytorch1.3+, \u043f\u0440\u0435\u043e\u0431\u0440\u0430\u0437\u043e\u0432\u0430\u0442\u044c \u043f\u043e\u043b\u0443\u0447\u0435\u043d\u043d\u044b\u0435 \u0432\u0435\u0441\u0430 \u0432 ONNX, \u0434\u0430\u043b\u0435\u0435 \u0441\u043a\u043e\u043d\u0432\u0435\u0440\u0442\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0438\u0445 \u0432 engine TensorRT \u0438 \u0432\u0441\u0451 \u044d\u0442\u043e \u0434\u0435\u043b\u043e \u0437\u0430\u043f\u0443\u0441\u0442\u0438\u0442\u044c \u0432 docker, \u0436\u0435\u043b\u0430\u0442\u0435\u043b\u044c\u043d\u043e \u043d\u0430 Ubuntu 18 \u0438 \u043a\u0440\u0430\u0439\u043d\u0435 \u0436\u0435\u043b\u0430\u0442\u0435\u043b\u044c\u043d\u043e \u043d\u0430 ARM(Jetson) \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0435, \u0442\u0435\u043c \u0441\u0430\u043c\u044b\u043c \u043c\u0438\u043d\u0438\u043c\u0438\u0437\u0438\u0440\u0443\u044f \u0440\u0443\u0447\u043d\u043e\u0435 \u0440\u0430\u0437\u0432\u0435\u0440\u0442\u044b\u0432\u0430\u043d\u0438\u0435 \u043e\u043a\u0440\u0443\u0436\u0435\u043d\u0438\u044f. \u0412 \u0438\u0442\u043e\u0433\u0435 \u043c\u044b \u043f\u043e\u043b\u0443\u0447\u0438\u043c \u043a\u043e\u043d\u0442\u0435\u0439\u043d\u0435\u0440 \u0433\u043e\u0442\u043e\u0432\u044b\u0439 \u043d\u0435 \u0442\u043e\u043b\u044c\u043a\u043e \u043a \u044d\u043a\u0441\u043f\u043e\u0440\u0442\u0443 \u0438 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044e RetinaNet\/Unet, \u043d\u043e \u0438 \u043a \u043f\u043e\u043b\u043d\u043e\u0446\u0435\u043d\u043d\u043e\u0439 \u0440\u0430\u0437\u0440\u0430\u0431\u043e\u0442\u043a\u0435 \u0438 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044e \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438, \u0441\u0435\u0433\u043c\u0435\u043d\u0442\u0430\u0446\u0438\u0438 \u0441\u043e \u0432\u0441\u0435\u0439 \u043d\u0435\u043e\u0431\u0445\u043e\u0434\u0438\u043c\u043e\u0439 \u043e\u0431\u0432\u044f\u0437\u043a\u043e\u0439.<br \/>  <cut><\/cut><br \/>  <b>\u042d\u0442\u0430\u043f 1. \u041f\u043e\u0434\u0433\u043e\u0442\u043e\u0432\u043a\u0430 \u043e\u043a\u0440\u0443\u0436\u0435\u043d\u0438\u044f<\/b><br \/>  \u0417\u0434\u0435\u0441\u044c \u0432\u0430\u0436\u043d\u043e \u0437\u0430\u043c\u0435\u0442\u0438\u0442\u044c, \u0447\u0442\u043e \u0432 \u043f\u043e\u0441\u043b\u0435\u0434\u043d\u0435\u0435 \u0432\u0440\u0435\u043c\u044f \u044f \u043f\u043e\u043b\u043d\u043e\u0441\u0442\u044c\u044e \u0443\u0448\u0451\u043b \u043e\u0442 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u044f \u0438 \u0440\u0430\u0437\u0432\u0435\u0440\u0442\u044b\u0432\u0430\u043d\u0438\u044f \u0445\u043e\u0442\u044c \u043a\u0430\u043a\u0438\u0445-\u0442\u043e \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a \u043d\u0430 desktop \u043c\u0430\u0448\u0438\u043d\u0435, \u043a\u0430\u043a \u0432\u043f\u0440\u043e\u0447\u0435\u043c \u0438 \u043d\u0430 devbox. \u0415\u0434\u0438\u043d\u0441\u0442\u0432\u0435\u043d\u043d\u043e\u0435, \u0447\u0442\u043e \u043f\u0440\u0438\u0445\u043e\u0434\u0438\u0442\u0441\u044f \u0441\u043e\u0437\u0434\u0430\u0432\u0430\u0442\u044c \u0438 \u0443\u0441\u0442\u0430\u043d\u0430\u0432\u043b\u0438\u0432\u0430\u0442\u044c \u2014 \u044d\u0442\u043e python virtual environment \u0438 cuda 10.2 (\u043c\u043e\u0436\u043d\u043e \u043e\u0433\u0440\u0430\u043d\u0438\u0447\u0438\u0442\u044c\u0441\u044f \u043e\u0434\u043d\u0438\u043c \u0434\u0440\u0430\u0439\u0432\u0435\u0440\u043e\u043c nvidia) \u0438\u0437 deb. <\/p>\n<p>  \u041f\u0440\u0435\u0434\u043f\u043e\u043b\u043e\u0436\u0438\u043c, \u0447\u0442\u043e \u0443 \u0432\u0430\u0441 \u0441\u0432\u0435\u0436\u0435\u0443\u0441\u0442\u0430\u043d\u043e\u0432\u043b\u0435\u043d\u043d\u0430\u044f Ubuntu 18. \u0423\u0441\u0442\u0430\u043d\u043e\u0432\u0438\u043c cuda 10.2(deb), \u043f\u043e\u0434\u0440\u043e\u0431\u043d\u043e \u043d\u0430 \u043f\u0440\u043e\u0446\u0435\u0441\u0441\u0435 \u0443\u0441\u0442\u0430\u043d\u043e\u0432\u043a\u0438 \u044f \u043e\u0441\u0442\u0430\u043d\u0430\u0432\u043b\u0438\u0432\u0430\u0442\u044c\u0441\u044f \u043d\u0435 \u0431\u0443\u0434\u0443, \u043e\u0444\u0438\u0446\u0438\u0430\u043b\u044c\u043d\u043e\u0439 \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u0430\u0446\u0438\u0438 \u0432\u043f\u043e\u043b\u043d\u0435 \u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e.<\/p>\n<p>  \u0422\u0435\u043f\u0435\u0440\u044c \u0443\u0441\u0442\u0430\u043d\u043e\u0432\u0438\u043c docker, \u0440\u0443\u043a\u043e\u0432\u043e\u0434\u0441\u0442\u0432\u043e \u043f\u043e \u0443\u0441\u0442\u0430\u043d\u043e\u0432\u043a\u0435 \u0434\u043e\u043a\u0435\u0440\u0430 \u043c\u043e\u0436\u043d\u043e \u043b\u0435\u0433\u043a\u043e \u043d\u0430\u0439\u0442\u0438, \u0432\u043e\u0442 \u043f\u0440\u0438\u043c\u0435\u0440 <a href=\"https:\/\/www.digitalocean.com\/community\/tutorials\/docker-ubuntu-18-04-1-ru\">www.digitalocean.com\/community\/tutorials\/docker-ubuntu-18-04-1-ru<\/a>, \u0443\u0436\u0435 \u0434\u043e\u0441\u0442\u0443\u043f\u043d\u0430 19+ \u0432\u0435\u0440\u0441\u0438\u044f \u2014 \u0441\u0442\u0430\u0432\u0438\u043c \u0435\u0451. \u041d\u0443 \u0438 \u043d\u0435 \u0437\u0430\u0431\u0443\u0434\u044c\u0442\u0435 \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u0432\u043e\u0437\u043c\u043e\u0436\u043d\u044b\u043c \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u044f docker \u0431\u0435\u0437 sudo, \u0442\u0430\u043a \u0431\u0443\u0434\u0435\u0442 \u0443\u0434\u043e\u0431\u043d\u0435\u0435. \u041f\u043e\u0441\u043b\u0435 \u0442\u043e\u0433\u043e \u043a\u0430\u043a \u0432\u0441\u0451 \u043f\u043e\u043b\u0443\u0447\u0438\u043b\u043e\u0441\u044c, \u0434\u0435\u043b\u0430\u0435\u043c \u0432\u043e\u0442 \u0442\u0430\u043a:<\/p>\n<pre><code class=\"bash\">distribution=$(. \/etc\/os-release;echo $ID$VERSION_ID) curl -s -L https:\/\/nvidia.github.io\/nvidia-docker\/gpgkey | sudo apt-key add - curl -s -L https:\/\/nvidia.github.io\/nvidia-docker\/$distribution\/nvidia-docker.list | sudo tee \/etc\/apt\/sources.list.d\/nvidia-docker.list  sudo apt-get update &amp;&amp; sudo apt-get install -y nvidia-container-toolkit sudo systemctl restart docker <\/code><\/pre>\n<p>  \u0418 \u043c\u043e\u0436\u043d\u043e \u0434\u0430\u0436\u0435 \u043d\u0435 \u0437\u0430\u0433\u043b\u044f\u0434\u044b\u0432\u0430\u0442\u044c \u0432 \u043e\u0444\u0438\u0446\u0438\u0430\u043b\u044c\u043d\u044b\u0439 \u0440\u0435\u043f\u043e\u0437\u0438\u0442\u043e\u0440\u0438\u0439 <a href=\"https:\/\/github.com\/NVIDIA\/nvidia-docker\">github.com\/NVIDIA\/nvidia-docker<\/a>.<br \/>  \u0422\u0435\u043f\u0435\u0440\u044c \u0434\u0435\u043b\u0430\u0435\u043c git clone <a href=\"https:\/\/github.com\/aidonchuk\/retinanet-examples\">github.com\/aidonchuk\/retinanet-examples<\/a>.<\/p>\n<p>  \u041e\u0441\u0442\u0430\u043b\u043e\u0441\u044c \u0441\u043e\u0432\u0441\u0435\u043c \u0447\u0443\u0442\u044c-\u0447\u0443\u0442\u044c, \u0434\u043b\u044f \u0442\u043e\u0433\u043e \u0447\u0442\u043e\u0431\u044b \u043d\u0430\u0447\u0430\u0442\u044c \u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c\u0441\u044f docker \u0441 nvidia-\u043e\u0431\u0440\u0430\u0437\u043e\u043c, \u043d\u0430\u043c \u043f\u043e\u0442\u0440\u0435\u0431\u0443\u0435\u0442\u0441\u044f \u0437\u0430\u0440\u0435\u0433\u0438\u0441\u0442\u0440\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0432 NGC Cloud \u0438 \u0437\u0430\u043b\u043e\u0433\u0438\u043d\u0438\u0442\u044c\u0441\u044f. \u0418\u0434\u0451\u043c \u0441\u044e\u0434\u0430 <a href=\"https:\/\/ngc.nvidia.com\/\">ngc.nvidia.com<\/a>, \u0440\u0435\u0433\u0438\u0441\u0442\u0440\u0438\u0440\u0443\u0435\u043c\u0441\u044f \u0438 \u043f\u043e\u0441\u043b\u0435 \u0442\u043e\u0433\u043e \u043a\u0430\u043a \u043f\u043e\u043f\u0430\u0434\u0430\u0435\u043c \u0432\u043d\u0443\u0442\u0440\u044c NGC Cloud, \u0436\u043c\u0451\u043c SETUP \u0432 \u043b\u0435\u0432\u043e\u043c \u0432\u0435\u0440\u0445\u043d\u0435\u043c \u0443\u0433\u043b\u0443 \u044d\u043a\u0440\u0430\u043d\u0430 \u0438\u043b\u0438 \u043f\u0440\u0435\u0445\u043e\u0434\u0438\u043c \u043f\u043e \u044d\u0442\u043e\u0439 \u0441\u0441\u044b\u043b\u043a\u0435 <a href=\"https:\/\/ngc.nvidia.com\/setup\/api-key\">ngc.nvidia.com\/setup\/api-key<\/a>. \u0416\u043c\u0451\u043c \u00ab\u0441\u0433\u0435\u043d\u0435\u0440\u0438\u0442\u044c \u043a\u043b\u044e\u0447\u00bb. \u0415\u0433\u043e \u0440\u0435\u043a\u043e\u043c\u0435\u043d\u0434\u0443\u044e \u0441\u043e\u0445\u0440\u0430\u043d\u0438\u0442\u044c, \u0438\u043d\u0430\u0447\u0435 \u043f\u0440\u0438 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0435\u043c \u043f\u043e\u0441\u0435\u0449\u0435\u043d\u0438\u0438 \u0435\u0433\u043e \u043f\u0440\u0438\u0434\u0451\u0442\u0441\u044f \u0433\u0435\u043d\u0435\u0440\u0438\u0442\u044c \u0437\u0430\u043d\u043e\u0432\u043e \u0438, \u0441\u043e\u043e\u0442\u0432\u0435\u0442\u0441\u0442\u0432\u0435\u043d\u043d\u043e, \u0440\u0430\u0437\u0432\u043e\u0440\u0430\u0447\u0438\u0432\u0430\u044f \u043d\u0430 \u043d\u043e\u0432\u043e\u0439 \u0442\u0430\u0447\u043a\u0435, \u043f\u043e\u0432\u0442\u043e\u0440\u043d\u043e \u043f\u0440\u043e\u0438\u0437\u0432\u043e\u0434\u0438\u0442\u044c \u044d\u0442\u0443 \u043e\u043f\u0435\u0440\u0430\u0446\u0438\u044e.<br \/>  \u0412\u044b\u043f\u043e\u043b\u043d\u0438\u043c: <\/p>\n<pre><code class=\"bash\">docker login nvcr.io Username: $oauthtoken Password: &lt;Your Key&gt; - \u0441\u0433\u0435\u043d\u0435\u0440\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0439 \u043a\u043b\u044e\u0447 <\/code><\/pre>\n<p>  Username \u043f\u0440\u043e\u0441\u0442\u043e \u043a\u043e\u043f\u0438\u0440\u0443\u0435\u043c. \u041d\u0443 \u0432\u043e\u0442, \u0441\u0447\u0438\u0442\u0430\u0439, \u0441\u0440\u0435\u0434\u0430 \u0440\u0430\u0437\u0432\u0435\u0440\u043d\u0443\u0442\u0430!<br \/>  <cut><\/cut><br \/>  <b>\u042d\u0442\u0430\u043f 2. \u0421\u0431\u043e\u0440\u043a\u0430 \u043a\u043e\u043d\u0442\u0435\u0439\u043d\u0435\u0440\u0430 docker<\/b><br \/>  \u041d\u0430 \u0432\u0442\u043e\u0440\u043e\u043c \u044d\u0442\u0430\u043f\u0435 \u043d\u0430\u0448\u0435\u0439 \u0440\u0430\u0431\u043e\u0442\u044b \u043c\u044b \u0441\u043e\u0431\u0435\u0440\u0435\u043c docker \u0438 \u043f\u043e\u0437\u043d\u0430\u043a\u043e\u043c\u0438\u043c\u0441\u044f \u0441 \u0435\u0433\u043e \u0432\u043d\u0443\u0442\u0440\u0435\u043d\u043d\u043e\u0441\u0442\u044f\u043c\u0438. <br \/>  \u041f\u0435\u0440\u0435\u0439\u0434\u0451\u043c \u0432 \u043a\u043e\u0440\u043d\u0435\u0432\u0443\u044e \u043f\u0430\u043f\u043a\u0443 \u043f\u043e \u043e\u0442\u043d\u043e\u0448\u0435\u043d\u0438\u044e \u043a \u043f\u0440\u043e\u0435\u043a\u0442\u0443 retina-examples \u0438 \u0432\u044b\u043f\u043e\u043b\u043d\u0438\u043c <\/p>\n<pre><code class=\"bash\">docker build --build-arg USER=$USER --build-arg UID=$UID --build-arg GID=$GID --build-arg PW=alex -t retinanet:latest retinanet\/ <\/code><\/pre>\n<p>  \u041c\u044b \u0441\u043e\u0431\u0438\u0440\u0430\u0435\u043c docker \u043f\u0440\u043e\u0431\u0440\u0430\u0441\u044b\u0432\u0430\u044f \u0432 \u043d\u0435\u0433\u043e \u0442\u0435\u043a\u0443\u0449\u0435\u0433\u043e \u044e\u0437\u0435\u0440\u0430 \u2014 \u044d\u0442\u043e \u043e\u0447\u0435\u043d\u044c \u043f\u043e\u043b\u0435\u0437\u043d\u043e \u0435\u0441\u043b\u0438 \u0432\u044b \u0431\u0443\u0434\u0435\u0442\u0435 \u0447\u0442\u043e-\u0442\u043e \u043f\u0438\u0441\u0430\u0442\u044c \u043d\u0430 \u0441\u043c\u043e\u043d\u0442\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0439 VOLUME \u0441 \u043f\u0440\u0430\u0432\u0430\u043c\u0438 \u0442\u0435\u043a\u0443\u0449\u0435\u0433\u043e \u044e\u0437\u0435\u0440\u0430, \u0438\u043d\u0430\u0447\u0435 \u0431\u0443\u0434\u0435\u0442 root \u0438 \u0431\u043e\u043b\u044c.<br \/>  \u041f\u043e\u043a\u0430 \u0441\u043e\u0431\u0438\u0440\u0430\u0435\u0442\u0441\u044f docker, \u0434\u0430\u0432\u0430\u0439\u0442\u0435 \u0438\u0437\u0443\u0447\u0438\u043c Dockerfile:<\/p>\n<pre><code class=\"powershell\">FROM nvcr.io\/nvidia\/pytorch:19.10-py3  ARG USER=alex ARG UID=1000 ARG GID=1000 ARG PW=alex RUN useradd -m ${USER} --uid=${UID} &amp;&amp; echo &quot;${USER}:${PW}&quot; | chpasswd  RUN apt-get -y update &amp;&amp; apt-get -y upgrade &amp;&amp; apt-get -y install curl &amp;&amp; apt-get -y install wget &amp;&amp; apt-get -y install git &amp;&amp; apt-get -y install automake &amp;&amp; apt-get install -y sudo &amp;&amp; adduser ${USER} sudo RUN pip install git+https:\/\/github.com\/bonlime\/pytorch-tools.git@master  COPY . retinanet\/ RUN pip install --no-cache-dir -e retinanet\/ RUN pip install \/workspace\/retinanet\/extras\/tensorrt-6.0.1.5-cp36-none-linux_x86_64.whl RUN pip install tensorboardx RUN pip install albumentations RUN pip install setproctitle RUN pip install paramiko RUN pip install flask RUN pip install mem_top RUN pip install arrow RUN pip install pycuda RUN pip install torchvision RUN pip install pretrainedmodels RUN pip install efficientnet-pytorch RUN pip install git+https:\/\/github.com\/qubvel\/segmentation_models.pytorch RUN pip install pytorch_toolbelt  RUN chown -R ${USER}:${USER} retinanet\/  RUN cd \/workspace\/retinanet\/extras\/cppapi &amp;&amp; mkdir build &amp;&amp; cd build &amp;&amp; cmake -DCMAKE_CUDA_FLAGS=&quot;--expt-extended-lambda -std=c++14&quot; .. &amp;&amp; make &amp;&amp; cd \/workspace  RUN apt-get install -y openssh-server &amp;&amp; apt install -y tmux &amp;&amp; apt-get -y install bison flex &amp;&amp; apt-cache search pcre &amp;&amp; apt-get -y install net-tools &amp;&amp; apt-get -y install nmap RUN apt-get -y install libpcre3 libpcre3-dev &amp;&amp; apt-get -y install iputils-ping  RUN mkdir \/var\/run\/sshd RUN echo 'root:pass' | chpasswd RUN sed -i 's\/PermitRootLogin prohibit-password\/PermitRootLogin yes\/' \/etc\/ssh\/sshd_config RUN sed 's@session\\s*required\\s*pam_loginuid.so@session optional pam_loginuid.so@g' -i \/etc\/pam.d\/sshd  ENV NOTVISIBLE &quot;in users profile&quot; RUN echo &quot;export VISIBLE=now&quot; &gt;&gt; \/etc\/profile CMD [&quot;\/usr\/sbin\/sshd&quot;, &quot;-D&quot;] <\/code><\/pre>\n<p>  \u041a\u0430\u043a \u0432\u0438\u0434\u043d\u043e \u0438\u0437 \u0442\u0435\u043a\u0441\u0442\u0430, \u043c\u044b \u0431\u0435\u0440\u0435\u043c \u0432\u0441\u0435 \u043d\u0430\u0448\u0438 \u043b\u044e\u0431\u0438\u043c\u044b\u0435 \u043b\u0438\u0431\u044b, \u043a\u043e\u043c\u043f\u0438\u043b\u0438\u0440\u0443\u0435\u043c retinanet, \u043d\u0430\u043a\u0438\u0434\u044b\u0432\u0430\u0435\u043c \u0431\u0430\u0437\u043e\u0432\u044b\u0445 \u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442\u043e\u0432 \u0434\u043b\u044f \u0443\u0434\u043e\u0431\u0441\u0442\u0432\u0430 \u0440\u0430\u0431\u043e\u0442\u044b \u0441 Ubuntu \u0438 \u043d\u0430\u0441\u0442\u0440\u0430\u0438\u0432\u0430\u0435\u043c \u0441\u0435\u0440\u0432\u0435\u0440 openssh. \u041f\u0435\u0440\u0432\u043e\u0439 \u0441\u0442\u0440\u043e\u043a\u043e\u0439 \u0438\u0434\u0435\u0442 \u043a\u0430\u043a \u0440\u0430\u0437 \u043d\u0430\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u043d\u0438\u0435 \u043e\u0431\u0440\u0430\u0437\u0430 nvidia, \u0434\u043b\u044f \u043a\u043e\u0442\u043e\u0440\u043e\u0433\u043e \u043c\u044b \u0434\u0435\u043b\u0430\u043b\u0438 \u043b\u043e\u0433\u0438\u043d \u0432 NGC Cloud \u0438 \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u0441\u043e\u0434\u0435\u0440\u0436\u0438\u0442 Pytorch1.3, TensorRT6.x.x.x \u0438 \u0435\u0449\u0435 \u043a\u0443\u0447\u0443 \u043b\u0438\u0431, \u043f\u043e\u0437\u0432\u043e\u043b\u044f\u044e\u0449\u0438\u0445 \u0441\u043a\u043e\u043c\u043f\u0438\u043b\u0438\u0440\u043e\u0432\u0430\u0442\u044c cpp \u0438\u0441\u0445\u043e\u0434\u043d\u0438\u043a\u0438 \u043d\u0430\u0448\u0435\u0433\u043e \u0434\u0435\u0442\u0435\u043a\u0442\u043e\u0440\u0430.<br \/>  <cut><\/cut><br \/>  <b>\u042d\u0442\u0430\u043f 3. \u0417\u0430\u043f\u0443\u0441\u043a \u0438 \u043e\u0442\u043b\u0430\u0434\u043a\u0430 \u043a\u043e\u043d\u0442\u0435\u0439\u043d\u0435\u0440\u0430 docker<\/b><br \/>  \u041f\u0435\u0440\u0435\u0439\u0434\u0435\u043c \u043a \u043e\u0441\u043d\u043e\u0432\u043d\u043e\u043c\u0443 \u043a\u0435\u0439\u0441\u0443 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u044f \u043a\u043e\u043d\u0442\u0435\u0439\u043d\u0435\u0440\u0430 \u0438 \u0441\u0440\u0435\u0434\u044b \u0440\u0430\u0437\u0440\u0430\u0431\u043e\u0442\u043a\u0438, \u0434\u043b\u044f \u043d\u0430\u0447\u0430\u043b\u0430 \u0437\u0430\u043f\u0443\u0441\u0442\u0438\u043c nvidia docker. \u0412\u044b\u043f\u043e\u043b\u043d\u0438\u043c: <\/p>\n<pre><code class=\"bash\">docker run --gpus all --net=host -v \/home\/&lt;your_user_name&gt;:\/workspace\/mounted_vol -d -P --rm --ipc=host -it retinanet:latest<\/code><\/pre>\n<p>  \u0422\u0435\u043f\u0435\u0440\u044c \u043a\u043e\u043d\u0442\u0435\u0439\u043d\u0435\u0440 \u0434\u043e\u0441\u0442\u0443\u043f\u0435\u043d \u043f\u043e ssh &lt;curr_user_name&gt;@localhost.<br \/>  \u041f\u043e\u0441\u043b\u0435 \u0443\u0441\u043f\u0435\u0448\u043d\u043e\u0433\u043e \u0437\u0430\u043f\u0443\u0441\u043a\u0430, \u043e\u0442\u043a\u0440\u044b\u0432\u0430\u0435\u043c \u043f\u0440\u043e\u0435\u043a\u0442 \u0432 PyCharm. \u0414\u0430\u043b\u0435\u0435 \u043e\u0442\u043a\u0440\u044b\u0432\u0430\u0435\u043c<\/p>\n<pre><code class=\"bash\">Settings-&gt;Project Interpreter-&gt;Add-&gt;Ssh Interpreter<\/code><\/pre>\n<p>  \u0428\u0430\u0433 1<br \/>  <img decoding=\"async\" src=\"https:\/\/habrastorage.org\/webt\/g0\/qc\/e4\/g0qce4xw2pe0arglt4b4iu4jfle.png\" alt=\"image\"><\/p>\n<p>  \u0428\u0430\u0433 2<br \/>  <img decoding=\"async\" src=\"https:\/\/habrastorage.org\/webt\/nf\/m_\/cu\/nfm_cuj84kymlgofajbo-go8dwy.png\" alt=\"image\"><\/p>\n<p>  \u0428\u0430\u0433 3<br \/>  <img decoding=\"async\" src=\"https:\/\/habrastorage.org\/webt\/w6\/nn\/eg\/w6nnegihsdou1fhoy75p7g9evhi.png\" alt=\"image\"><\/p>\n<p>  \u0412\u044b\u0431\u0438\u0440\u0430\u0435\u043c \u0432\u0441\u0451 \u043a\u0430\u043a \u043d\u0430 \u0441\u043a\u0440\u0438\u043d\u0448\u043e\u0442\u0430\u0445, <\/p>\n<pre><code class=\"bash\">Interpreter -&gt; \/opt\/conda\/bin\/python<\/code><\/pre>\n<p>   \u2014 \u044d\u0442\u043e \u0431\u0443\u0434\u0435\u0442 ln \u043d\u0430 Python3.6 \u0438 <\/p>\n<pre><code class=\"bash\">Sync folder -&gt; \/workspace\/retinanet<\/code><\/pre>\n<p>  \u0416\u043c\u0451\u043c \u0444\u0438\u043d\u0438\u0448, \u043e\u0436\u0438\u0434\u0430\u0435\u043c \u0438\u043d\u0434\u0435\u043a\u0441\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0435, \u0438 \u0432\u0441\u0451, \u0441\u0440\u0435\u0434\u0430 \u0433\u043e\u0442\u043e\u0432\u0430 \u043a \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u044e!<\/p>\n<p>  <i><b>\u0412\u0410\u0416\u041d\u041e!!!<\/b><\/i> \u0421\u0440\u0430\u0437\u0443 \u043f\u043e\u0441\u043b\u0435 \u0438\u043d\u0434\u0435\u043a\u0441\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u044f \u0432\u044b\u0442\u044f\u043d\u0443\u0442\u044c \u0438\u0437 docker \u0441\u043a\u043e\u043c\u043f\u0438\u043b\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0435 \u0444\u0430\u0439\u043b\u044b \u0434\u043b\u044f Retinanet. \u0412 \u043a\u043e\u043d\u0442\u0435\u043a\u0442\u0441\u043d\u043e\u043c \u043c\u0435\u043d\u044e \u0432 \u043a\u043e\u0440\u043d\u0435 \u043f\u0440\u043e\u0435\u043a\u0442\u0430 \u0432\u044b\u0431\u0435\u0440\u0435\u043c \u043f\u0443\u043d\u043a\u0442 <\/p>\n<pre><code class=\"bash\">Deployment-&gt;Download<\/code><\/pre>\n<p>  \u041f\u043e\u044f\u0432\u044f\u0442\u0441\u044f \u043e\u0434\u0438\u043d \u0444\u0430\u0439\u043b \u0438 \u0434\u0432\u0435 \u043f\u0430\u043f\u043a\u0438 build, retinanet.egg-info \u0438 _\u0421.so<br \/>  <img decoding=\"async\" src=\"https:\/\/habrastorage.org\/webt\/ti\/uo\/pp\/tiuoppum1j_wx2yfxlkl8i-gdle.png\" alt=\"image\"><br \/>  \u0415\u0441\u043b\u0438 \u0432\u0430\u0448 \u043f\u0440\u043e\u0435\u043a\u0442 \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u0442\u0430\u043a, \u0442\u043e \u0441\u0440\u0435\u0434\u0430 \u0432\u0438\u0434\u0438\u0442 \u0432\u0441\u0435 \u043d\u0435\u043e\u0431\u0445\u043e\u0434\u0438\u043c\u044b\u0435 \u0444\u0430\u0439\u043b\u044b \u0438 \u043c\u044b \u0433\u043e\u0442\u043e\u0432\u044b, \u043a \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044e RetinaNet.<br \/>  <cut><\/cut><br \/>  <b>\u042d\u0442\u0430\u043f 4. \u0420\u0430\u0437\u043c\u0435\u0447\u0430\u0435\u043c \u0434\u0430\u043d\u043d\u044b\u0435 \u0438 \u043e\u0431\u0443\u0447\u0430\u0435\u043c \u0434\u0435\u0442\u0435\u043a\u0442\u043e\u0440<\/b><br \/>  \u0414\u043b\u044f \u0440\u0430\u0437\u043c\u0435\u0442\u043a\u0438 \u044f, \u0432 \u043e\u0441\u043d\u043e\u0432\u043d\u043e\u043c, \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u044e <a href=\"https:\/\/supervise.ly\/\">supervise.ly<\/a> \u2014 \u043f\u0440\u0438\u044f\u0442\u043d\u0430\u044f \u0438 \u0443\u0434\u043e\u0431\u043d\u0430\u044f \u0442\u0443\u043b\u0437\u0430, \u0432 \u043f\u043e\u0441\u043b\u0435\u0434\u043d\u0435\u0435 \u0432\u0440\u0435\u043c\u0435 \u043a\u0443\u0447\u0443 \u043a\u043e\u0441\u044f\u043a\u043e\u0432 \u043f\u043e\u0444\u0438\u043a\u0441\u0438\u043b\u0438 \u0438 \u043e\u043d\u0430 \u0441\u0442\u0430\u043b\u0430 \u0441\u0443\u0449\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u043e \u043b\u0443\u0447\u0448\u0435 \u0441\u0435\u0431\u044f \u0432\u0435\u0441\u0442\u0438.<br \/>  \u041f\u0440\u0435\u0434\u043f\u043e\u043b\u043e\u0436\u0438\u043c \u0447\u0442\u043e \u0432\u044b \u0440\u0430\u0437\u043c\u0435\u0442\u0438\u043b\u0438 \u0434\u0430\u0442\u0430\u0441\u0435\u0442 \u0438 \u0441\u043a\u0430\u0447\u0430\u043b\u0438 \u0435\u0433\u043e, \u043d\u043e \u0441\u0440\u0430\u0437\u0443 \u0437\u0430\u0441\u0443\u043d\u0443\u0442\u044c \u0435\u0433\u043e \u0432 \u043d\u0430\u0448 RetinaNet \u043d\u0435 \u0432\u044b\u0439\u0434\u0435\u0442, \u0442\u0430\u043a \u043a\u0430\u043a \u043e\u043d \u0432 \u0441\u043e\u0431\u0441\u0442\u0432\u0435\u043d\u043d\u043e\u043c \u0444\u043e\u0440\u043c\u0430\u0442\u0435 \u0438 \u0434\u043b\u044f \u044d\u0442\u043e\u0433\u043e \u043d\u0430\u043c \u043d\u0435\u043e\u0431\u0445\u043e\u0434\u0438\u043c\u043e \u0441\u043a\u043e\u043d\u0432\u0435\u0440\u0442\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0435\u0433\u043e \u0432 COCO. \u0422\u0443\u043b\u0437\u0430 \u0434\u043b\u044f \u043a\u043e\u043d\u0432\u0435\u0440\u0442\u0430\u0446\u0438\u0438 \u043d\u0430\u0445\u043e\u0434\u0438\u0442\u0441\u044f \u0432 <\/p>\n<pre><code class=\"bash\">markup_utils\/supervisly_to_coco.py<\/code><\/pre>\n<p>  \u041e\u0431\u0440\u0430\u0442\u0438\u0442\u0435 \u0432\u043d\u0438\u043c\u0430\u043d\u0438\u0435, \u0447\u0442\u043e Category \u0432 \u0441\u043a\u0440\u0438\u043f\u0442\u0435 \u044d\u0442\u043e \u043f\u0440\u0438\u043c\u0435\u0440 \u0438 \u0432\u0430\u043c \u043d\u0435\u043e\u0431\u0445\u043e\u0434\u0438\u043c\u043e \u0432\u0441\u0442\u0430\u0432\u0438\u0442\u044c \u0441\u0432\u043e\u0438 (\u043a\u0430\u0442\u0435\u0433\u043e\u0440\u0438\u044e background \u0434\u043e\u0431\u0430\u0432\u043b\u044f\u0442\u044c \u043d\u0435 \u043d\u0430\u0434\u043e)<\/p>\n<pre><code class=\"json\">categories = [{'id': 1, 'name': '1'},                    {'id': 2, 'name': '2'},                    {'id': 3, 'name': '3'},                   {'id': 4, 'name': '4'}] <\/code><\/pre>\n<p>  \u0410\u0432\u0442\u043e\u0440\u044b \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b\u044c\u043d\u043e\u0433\u043e \u0440\u0435\u043f\u043e\u0437\u0438\u0442\u043e\u0440\u0438\u044f \u043f\u043e\u0447\u0435\u043c\u0443-\u0442\u043e \u0440\u0435\u0448\u0438\u043b\u0438, \u0447\u0442\u043e \u043d\u0438\u0447\u0435\u0433\u043e \u043a\u0440\u043e\u043c\u0435 COCO\/VOC \u0432\u044b \u043e\u0431\u0443\u0447\u0430\u0442\u044c \u0434\u043b\u044f \u0434\u0435\u0442\u0435\u043a\u0446\u0438\u0438 \u043d\u0435 \u0431\u0443\u0434\u0435\u0442\u0435, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u043f\u0440\u0438\u0448\u043b\u043e\u0441\u044c \u043d\u0435\u043c\u043d\u043e\u0433\u043e \u043f\u043e\u0434\u0440\u0435\u0434\u0430\u043a\u0442\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0438\u0441\u0445\u043e\u0434\u043d\u044b\u0439 \u0444\u0430\u0439\u043b <\/p>\n<pre><code class=\"bash\">retinanet\/dataset.py<\/code><\/pre>\n<p>  \u0414\u043e\u0431\u0430\u0432\u0438\u0432 \u0442\u0443\u0442\u0434\u0430 \u043b\u044e\u0431\u0438\u043c\u044b\u0435 \u0430\u0443\u0433\u043c\u0435\u043d\u0442\u0430\u0446\u0438\u0438 <a href=\"https:\/\/albumentations.readthedocs.io\/en\/latest\/\">albumentations.readthedocs.io\/en\/latest<\/a> \u0438 \u0432\u044b\u043f\u0438\u043b\u0438\u0442\u044c \u0436\u0451\u0441\u0442\u043a\u043e \u0432\u0448\u0438\u0442\u044b\u0435 \u043a\u0430\u0442\u0435\u0433\u043e\u0440\u0438\u0438 \u0438\u0437 COCO. \u0422\u0430\u043a\u0436\u0435 \u0435\u0441\u0442\u044c \u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e\u0441\u0442\u044c \u043a\u0440\u043e\u043f\u043d\u0443\u0442\u044c \u0431\u043e\u043b\u044c\u0448\u0438\u0435 \u043e\u0431\u043b\u0430\u0441\u0442\u0438 \u0434\u0435\u0442\u0435\u043a\u0446\u0438\u0438, \u0435\u0441\u043b\u0438 \u0432\u044b \u043d\u0430 \u0431\u043e\u043b\u044c\u0448\u0438\u0445 \u043a\u0430\u0440\u0442\u0438\u043d\u043a\u0430\u0445 \u0438\u0449\u0438\u0442\u0435 \u043c\u0430\u043b\u0435\u043d\u044c\u043a\u0438\u0435 \u043e\u0431\u044a\u0435\u043a\u0442\u044b, \u0443 \u0432\u0430\u0441 \u043c\u0430\u043b\u0435\u043d\u044c\u043a\u0438\u0439 \u0434\u0430\u0442\u0430\u0441\u0435\u0442 =), \u0438 \u043d\u0438\u0447\u0435\u0433\u043e \u043d\u0435 \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442, \u043d\u043e \u043e\u0431 \u044d\u0442\u043e\u043c \u0432 \u0434\u0440\u0443\u0433\u043e\u0439 \u0440\u0430\u0437.<br \/>  \u0412 \u043e\u0431\u0449\u0435\u043c train loop \u0442\u043e\u0436\u0435 \u0441\u043b\u0430\u0431\u0435\u043d\u044c\u043a\u0438\u0439, \u0438\u0437\u043d\u0430\u0447\u0430\u043b\u044c\u043d\u043e \u043e\u043d \u043d\u0435 \u0441\u043e\u0445\u0440\u0430\u043d\u044f\u043b \u0447\u0435\u043a\u043f\u043e\u0438\u043d\u0442\u044b, \u044e\u0437\u0430\u043b \u043a\u0430\u043a\u043e\u0439-\u0442\u043e \u0443\u0436\u0430\u0441\u043d\u044b\u0439 scheduler \u0438 \u0442.\u0434. \u041d\u043e \u0442\u0435\u043f\u0435\u0440\u044c \u0432\u0430\u043c \u043e\u0441\u0442\u0430\u043b\u043e\u0441\u044c \u0442\u043e\u043b\u044c\u043a\u043e \u0432\u044b\u0431\u0440\u0430\u0442\u044c backbone \u0438 \u0432\u044b\u043f\u043e\u043b\u043d\u0438\u0442\u044c<\/p>\n<pre><code class=\"bash\">\/opt\/conda\/bin\/python retinanet\/main.py<\/code><\/pre>\n<p>  c \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u0430\u043c\u0438:<\/p>\n<pre><code class=\"bash\">train retinanet_rn34fpn.pth --backbone ResNet34FPN --classes 12 --val-iters 10 --images \/workspace\/mounted_vol\/dataset\/train\/images --annotations \/workspace\/mounted_vol\/dataset\/train_12_class.json --val-images \/workspace\/mounted_vol\/dataset\/test\/images_small --val-annotations \/workspace\/mounted_vol\/dataset\/val_10_class_cropped.json --jitter 256 512 --max-size 512 --batch 32 <\/code><\/pre>\n<p>  \u0412 \u043a\u043e\u043d\u0441\u043e\u043b\u0435 \u0443\u0432\u0438\u0434\u0438\u0442\u0435:<\/p>\n<pre><code class=\"plaintext\">Initializing model...      model: RetinaNet   backbone: ResNet18FPN    classes: 2, anchors: 9 Selected optimization level O0:  Pure FP32 training.  Defaults for this optimization level are: enabled                : True opt_level              : O0 cast_model_type        : torch.float32 patch_torch_functions  : False keep_batchnorm_fp32    : None master_weights         : False loss_scale             : 1.0 Processing user overrides (additional kwargs that are not None)... After processing overrides, optimization options are: enabled                : True opt_level              : O0 cast_model_type        : torch.float32 patch_torch_functions  : False keep_batchnorm_fp32    : None master_weights         : False loss_scale             : 128.0 Preparing dataset...     loader: pytorch     resize: [1024, 1280], max: 1280     device: 4 gpus     batch: 4, precision: mixed Training model for 20000 iterations... [    1\/20000] focal loss: 0.95619, box loss: 0.51584, 4.042s\/4-batch (fw: 0.698s, bw: 0.459s), 1.0 im\/s, lr: 0.0001 [   12\/20000] focal loss: 0.76191, box loss: 0.31794, 0.187s\/4-batch (fw: 0.055s, bw: 0.133s), 21.4 im\/s, lr: 0.0001 [   24\/20000] focal loss: 0.65036, box loss: 0.30269, 0.173s\/4-batch (fw: 0.045s, bw: 0.128s), 23.1 im\/s, lr: 0.0001 [   36\/20000] focal loss: 0.46425, box loss: 0.23141, 0.178s\/4-batch (fw: 0.047s, bw: 0.131s), 22.4 im\/s, lr: 0.0001 [   48\/20000] focal loss: 0.45115, box loss: 0.23505, 0.180s\/4-batch (fw: 0.047s, bw: 0.133s), 22.2 im\/s, lr: 0.0001 [   59\/20000] focal loss: 0.38958, box loss: 0.25373, 0.184s\/4-batch (fw: 0.049s, bw: 0.134s), 21.8 im\/s, lr: 0.0001 [   71\/20000] focal loss: 0.37733, box loss: 0.23988, 0.174s\/4-batch (fw: 0.049s, bw: 0.125s), 22.9 im\/s, lr: 0.0001 [   83\/20000] focal loss: 0.39514, box loss: 0.23878, 0.181s\/4-batch (fw: 0.048s, bw: 0.133s), 22.1 im\/s, lr: 0.0001 [   94\/20000] focal loss: 0.39947, box loss: 0.23817, 0.185s\/4-batch (fw: 0.050s, bw: 0.134s), 21.6 im\/s, lr: 0.0001 [  105\/20000] focal loss: 0.37343, box loss: 0.20238, 0.182s\/4-batch (fw: 0.048s, bw: 0.134s), 22.0 im\/s, lr: 0.0001 [  116\/20000] focal loss: 0.19689, box loss: 0.17371, 0.183s\/4-batch (fw: 0.050s, bw: 0.132s), 21.8 im\/s, lr: 0.0001 [  128\/20000] focal loss: 0.20368, box loss: 0.16538, 0.178s\/4-batch (fw: 0.046s, bw: 0.131s), 22.5 im\/s, lr: 0.0001 [  140\/20000] focal loss: 0.22763, box loss: 0.15772, 0.176s\/4-batch (fw: 0.050s, bw: 0.126s), 22.7 im\/s, lr: 0.0001 [  148\/20000] focal loss: 0.21997, box loss: 0.18400, 0.585s\/4-batch (fw: 0.047s, bw: 0.144s), 6.8 im\/s, lr: 0.0001  Average Precision  (AP) @[ IoU=0.50:0.95 | area=   all | maxDets=100 ] = 0.52674  Average Precision  (AP) @[ IoU=0.50      | area=   all | maxDets=100 ] = 0.91450  Average Precision  (AP) @[ IoU=0.75      | area=   all | maxDets=100 ] = 0.35172  Average Precision  (AP) @[ IoU=0.50:0.95 | area= small | maxDets=100 ] = 0.61881  Average Precision  (AP) @[ IoU=0.50:0.95 | area=medium | maxDets=100 ] = -1.00000  Average Precision  (AP) @[ IoU=0.50:0.95 | area= large | maxDets=100 ] = -1.00000  Average Recall     (AR) @[ IoU=0.50:0.95 | area=   all | maxDets=  1 ] = 0.58824  Average Recall     (AR) @[ IoU=0.50:0.95 | area=   all | maxDets= 10 ] = 0.61765  Average Recall     (AR) @[ IoU=0.50:0.95 | area=   all | maxDets=100 ] = 0.61765  Average Recall     (AR) @[ IoU=0.50:0.95 | area= small | maxDets=100 ] = 0.61765  Average Recall     (AR) @[ IoU=0.50:0.95 | area=medium | maxDets=100 ] = -1.00000  Average Recall     (AR) @[ IoU=0.50:0.95 | area= large | maxDets=100 ] = -1.00000 Saving model: 148<\/code><\/pre>\n<p>  \u0427\u0442\u043e \u0431\u044b \u0438\u0437\u0443\u0447\u0438\u0442\u044c \u0432\u0435\u0441\u044c \u043d\u0430\u0431\u043e\u0440 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432 \u043f\u043e\u0441\u043c\u043e\u0442\u0440\u0438\u0442\u0435 <\/p>\n<pre><code class=\"bash\">retinanet\/main.py<\/code><\/pre>\n<p>  \u0412 \u043e\u0431\u0449\u0435\u043c \u043e\u043d\u0438 \u0441\u0442\u0430\u043d\u0434\u0430\u0440\u0442\u043d\u044b\u0435 \u0434\u043b\u044f \u0434\u0435\u0442\u0435\u043a\u0446\u0438\u0438, \u0438 \u0443 \u043d\u0438\u0445 \u0435\u0441\u0442\u044c \u043e\u043f\u0438\u0441\u0430\u043d\u0438\u0435. \u0417\u0430\u043f\u0443\u0441\u0442\u0438\u0442\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u0438 \u0434\u043e\u0436\u0434\u0438\u0442\u0435\u0441\u044c \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u043e\u0432. \u041f\u0440\u0438\u043c\u0435\u0440 \u0438\u043d\u0444\u0435\u0440\u0435\u043d\u0441\u0430 \u043c\u043e\u0436\u043d\u043e \u043f\u043e\u0441\u043c\u043e\u0442\u0440\u0435\u0442\u044c \u0432 <\/p>\n<pre><code class=\"bash\">retinanet\/infer_example.py<\/code><\/pre>\n<p>   \u0438\u043b\u0438 \u0432\u044b\u043f\u043e\u043b\u043d\u0438\u0442\u044c \u043a\u043e\u043c\u0430\u043d\u0434\u0443:<\/p>\n<pre><code class=\"bash\">\/opt\/conda\/bin\/python retinanet\/main.py infer retinanet_rn34fpn.pth  --images \/workspace\/mounted_vol\/dataset\/test\/images  --annotations \/workspace\/mounted_vol\/dataset\/val.json  --output result.json  --resize 256  --max-size 512  --batch 32 <\/code><\/pre>\n<p>  \u0412 \u0440\u0435\u043f\u043e\u0437\u0438\u0442\u043e\u0440\u0438\u0438 \u0443\u0436\u0435 \u0432\u0441\u0442\u0440\u043e\u0435\u043d Focal Loss \u0438 \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e backbone, \u0430 \u0442\u0430\u043a \u0436\u0435 \u043b\u0435\u0433\u043a\u043e \u0432\u043f\u0438\u043b\u0438\u0432\u0430\u044e\u0442\u0441\u044f \u0441\u0432\u043e\u0438<\/p>\n<pre><code class=\"bash\">retinanet\/backbones\/*.py<\/code><\/pre>\n<p>  \u0412 \u0442\u0430\u0431\u043b\u0438\u0447\u043a\u0435 \u0430\u0432\u0442\u043e\u0440\u044b \u043f\u0440\u0438\u0432\u043e\u0434\u044f\u0442 \u043d\u0435\u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0445\u0430\u0440\u0430\u043a\u0442\u0435\u0440\u0438\u0441\u0442\u0438\u043a\u0438:<\/p>\n<p>  <img decoding=\"async\" src=\"https:\/\/habrastorage.org\/webt\/z2\/rj\/3c\/z2rj3cuo4rvxgnqfdx-rntclfm0.png\" alt=\"image\"><\/p>\n<p>  \u0422\u0430\u043a\u0436\u0435 \u0435\u0441\u0442\u044c backbone ResNeXt50_32x4dFPN \u0438 ResNeXt101_32x8dFPN, \u0432\u0437\u044f\u0442\u044b\u0439 \u0438\u0437 torchvision. <br \/>  \u041d\u0430\u0434\u0435\u044e\u0441\u044c \u0441 \u0434\u0435\u0442\u0435\u043a\u0446\u0438\u0435\u0439 \u043d\u0435\u043c\u043d\u043e\u0433\u043e \u0440\u0430\u0437\u043e\u0431\u0440\u0430\u043b\u0438\u0441\u044c, \u043d\u043e \u0441\u0442\u043e\u0438\u0442 \u043e\u0431\u044f\u0437\u0430\u0442\u0435\u043b\u044c\u043d\u043e \u043f\u0440\u043e\u0447\u0438\u0442\u0430\u0442\u044c \u043e\u0444\u0438\u0446\u0438\u0430\u043b\u044c\u043d\u0443\u044e \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u0430\u0446\u0438\u044e, \u0447\u0442\u043e\u0431\u044b <i><b>\u043f\u043e\u043d\u044f\u0442\u044c \u0440\u0435\u0436\u0438\u043c\u044b \u044d\u043a\u0441\u043f\u043e\u0440\u0442\u0430 \u0438 \u043b\u043e\u0433\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u044f<\/b><\/i>.<br \/>  <cut><\/cut><br \/>  <b>\u042d\u0442\u0430\u043f 5. \u042d\u043a\u0441\u043f\u043e\u0440\u0442 \u0438 \u0438\u043d\u0444\u0435\u0440\u0435\u043d\u0441 \u043c\u043e\u0434\u0435\u043b\u0435\u0439 Unet c \u044d\u043d\u043a\u043e\u0434\u0435\u0440\u043e\u043c Resnet<\/b><br \/>  \u041a\u0430\u043a \u0432\u044b, \u043d\u0430\u0432\u0435\u0440\u043d\u043e\u0435, \u043e\u0431\u0440\u0430\u0442\u0438\u043b\u0438 \u0432\u043d\u0438\u043c\u0430\u043d\u0438\u0435, \u0432 Dockerfile \u0431\u044b\u043b\u0438 \u0443\u0441\u0442\u0430\u043d\u043e\u0432\u043b\u0435\u043d\u044b \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0438 \u0434\u043b\u044f \u0441\u0435\u0433\u043c\u0435\u043d\u0442\u0430\u0446\u0438\u0438 \u0438 \u0432 \u0447\u0430\u0441\u0442\u043d\u043e\u0441\u0442\u0438 \u0437\u0430\u043c\u0435\u0447\u0430\u0442\u0435\u043b\u044c\u043d\u0430\u044f \u043b\u0438\u0431\u0430 <a href=\"https:\/\/github.com\/qubvel\/segmentation_models.pytorch\">github.com\/qubvel\/segmentation_models.pytorch<\/a>. \u0412 \u043f\u0430\u043a\u0435\u0442\u0435 \u044e\u043d\u0435\u0442 \u043c\u043e\u0436\u043d\u043e \u043d\u0430\u0439\u0442\u0438 \u043f\u0440\u0438\u043c\u0435\u0440\u044b \u0438\u043d\u0444\u0435\u0440\u0435\u043d\u0441\u0430 \u0438 \u044d\u043a\u0441\u043f\u043e\u0440\u0442\u0430 pytorch \u0447\u0435\u043a\u043f\u043e\u0438\u043d\u0442\u043e\u0432 \u0432 engine TensorRT. <br \/>  \u041e\u0441\u043d\u043e\u0432\u043d\u0430\u044f \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0430 \u043f\u0440\u0438 \u044d\u043a\u0441\u043f\u043e\u0440\u0442\u0435 Unet-like \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u0438\u0437 ONNX \u0432 TensoRT \u2014 \u044d\u0442\u043e \u043d\u0435\u043e\u0431\u0445\u043e\u0434\u0438\u043c\u043e\u0441\u0442\u044c \u0437\u0430\u0434\u0430\u0432\u0430\u0442\u044c \u0444\u0438\u043a\u0441\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0439 \u0440\u0430\u0437\u043c\u0435\u0440 Upsample \u0438\u043b\u0438 \u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c\u0441\u044f ConvTranspose2D: <\/p>\n<pre><code class=\"python\">import torch.onnx.symbolic_opset9 as onnx_symbolic         def upsample_nearest2d(g, input, output_size):             # Currently, TRT 5.1\/6.0 ONNX Parser does not support all ONNX ops             # needed to support dynamic upsampling ONNX forumlation             # Here we hardcode scale=2 as a temporary workaround             scales = g.op(&quot;Constant&quot;, value_t=torch.tensor([1., 1., 2., 2.]))             return g.op(&quot;Upsample&quot;, input, scales, mode_s=&quot;nearest&quot;)          onnx_symbolic.upsample_nearest2d = upsample_nearest2d <\/code><\/pre>\n<p>  \u0421 \u043f\u043e\u043c\u043e\u0449\u044c\u044e \u044d\u0442\u043e\u0433\u043e \u043f\u0440\u0435\u043e\u0431\u0440\u0430\u0437\u043e\u0432\u0430\u043d\u0438\u044f \u043c\u043e\u0436\u043d\u043e \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u044d\u0442\u043e \u0430\u0432\u0442\u043e\u043c\u0430\u0442\u0438\u0447\u0435\u0441\u043a\u0438 \u043f\u0440\u0438 \u044d\u043a\u0441\u043f\u043e\u0440\u0442\u0435 \u0432 ONNX, \u043d\u043e \u0443\u0436\u0435 \u0432 7 \u0432\u0435\u0440\u0441\u0438\u0438 TensorRT \u044d\u0442\u0443 \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0443 \u0440\u0435\u0448\u0438\u043b\u0438, \u0438 \u043d\u0430\u043c \u043e\u0441\u0442\u0430\u043b\u043e\u0441\u044c \u0436\u0434\u0430\u0442\u044c \u0441\u043e\u0432\u0441\u0435\u043c \u043d\u0435\u043c\u043d\u043e\u0433\u043e.<br \/>  <cut><\/cut><br \/>  <b>\u0417\u0430\u043a\u043b\u044e\u0447\u0435\u043d\u0438\u0435<\/b><br \/>  \u041a\u043e\u0433\u0434\u0430 \u044f \u043d\u0430\u0447\u0430\u043b \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c docker \u0443 \u043c\u0435\u043d\u044f \u0431\u044b\u043b\u0438 \u0441\u043e\u043c\u043d\u0435\u043d\u0438\u044f \u043d\u0430 \u0441\u0447\u0451\u0442 \u0435\u0433\u043e \u043f\u0440\u043e\u0438\u0437\u0432\u043e\u0434\u0438\u0442\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u0438 \u0434\u043b\u044f \u043c\u043e\u0438\u0445 \u0437\u0430\u0434\u0430\u0447. \u0412 \u043e\u0434\u043d\u043e\u043c \u0438\u0437 \u043c\u043e\u0438\u0445 \u0430\u0433\u0440\u0435\u0433\u0430\u0442\u043e\u0432 \u0441\u0435\u0439\u0447\u0430\u0441 \u0434\u043e\u0432\u043e\u043b\u044c\u043d\u043e \u0431\u043e\u043b\u044c\u0448\u043e\u0439 \u0441\u0435\u0442\u0435\u0432\u043e\u0439 \u0442\u0440\u0430\u0444\u0438\u043a \u0441\u043e\u0437\u0434\u0430\u0432\u0430\u0435\u043c\u044b\u0439 \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u0438\u043c\u0438 \u043a\u0430\u043c\u0435\u0440\u0430\u043c\u0438.<\/p>\n<p>  <img decoding=\"async\" src=\"https:\/\/habrastorage.org\/webt\/3p\/b9\/1q\/3pb91qmq_vcanxwqlskw3aervtu.png\" alt=\"image\"><\/p>\n<p>  \u0420\u0430\u0437\u043d\u044b\u0435 \u0442\u0435\u0441\u0442\u044b \u043d\u0430 \u043f\u0440\u043e\u0441\u0442\u043e\u0440\u0430\u0445 \u0438\u043d\u0442\u0435\u0440\u043d\u0435\u0442\u0430 \u0433\u043e\u0432\u043e\u0440\u0438\u043b\u0438 \u043e\u0431 \u043e\u0442\u043d\u043e\u0441\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u0431\u043e\u043b\u044c\u0448\u043e\u043c overhead \u043d\u0430 \u0441\u0435\u0442\u0435\u0432\u043e\u0435 \u0432\u0437\u0430\u0438\u043c\u043e\u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0435 \u0438 \u0437\u0430\u043f\u0438\u0441\u044c \u043d\u0430 VOLUME, \u043f\u043b\u044e\u0441 \u043a\u043e \u0432\u0441\u0435\u043c\u0443 \u043d\u0435\u0432\u0435\u0434\u043e\u043c\u044b\u0439 \u0438 \u0441\u0442\u0440\u0430\u0448\u043d\u044b\u0439 GIL, \u0430 \u0442\u0430\u043a \u043a\u0430\u043a \u0441\u044a\u0435\u043c\u043a\u0430 \u043a\u0430\u0434\u0440\u0430, \u0440\u0430\u0431\u043e\u0442\u0430 \u0434\u0440\u0430\u0439\u0432\u0435\u0440\u0430 \u0438 \u043f\u0435\u0440\u0435\u0434\u0430\u0447\u0430 \u043f\u043e \u0441\u0435\u0442\u0438 \u043a\u0430\u0434\u0440\u0430 \u044f\u0432\u043b\u044f\u044e\u0442\u0441\u044f \u0430\u0442\u043e\u043c\u0430\u0440\u043d\u043e\u0439 \u043e\u043f\u0435\u0440\u0430\u0446\u0438\u0435\u0439 \u0432 \u0440\u0435\u0436\u0438\u043c\u0435<i> hard real-time<\/i>, \u0437\u0430\u0434\u0435\u0440\u0436\u043a\u0438 \u0432 \u0441\u0435\u0442\u0438 \u0434\u043b\u044f \u043c\u0435\u043d\u044f \u043e\u0447\u0435\u043d\u044c \u043a\u0440\u0438\u0442\u0438\u0447\u043d\u044b. <br \/>  \u041d\u043e \u0432\u0441\u0451 \u043e\u0431\u043e\u0448\u043b\u043e\u0441\u044c =)<br \/>  P.S. \u041e\u0441\u0442\u0430\u0451\u0442\u0441\u044f \u0434\u043e\u0431\u0430\u0432\u0438\u0442\u044c \u0432\u0430\u0448 \u043b\u044e\u0431\u0438\u043c\u044b\u0439 \u0442\u0440\u0435\u0439\u043d \u043b\u0443\u043f \u0434\u043b\u044f \u0441\u0435\u0433\u043c\u0435\u043d\u0442\u0430\u0446\u0438\u0438 \u0438 \u0432 \u043f\u0440\u043e\u0434\u0430\u043a\u0448\u0435\u043d!<br \/>  <cut><\/cut><br \/>  <b>\u0411\u043b\u0430\u0433\u043e\u0434\u0440\u0430\u043d\u043e\u0441\u0442\u0438<\/b><br \/>  \u0421\u043f\u0430\u0441\u0438\u0431\u043e \u0441\u043e\u043e\u0431\u0449\u0435\u0441\u0442\u0432\u0443 <a href=\"http:\/\/ods.ai\">ods.ai<\/a>, \u0431\u0435\u0437 \u043d\u0435\u0433\u043e \u043d\u0435\u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e \u0440\u0430\u0437\u0432\u0438\u0432\u0430\u0442\u044c\u0441\u044f! \u041e\u0433\u0440\u043e\u043c\u043d\u043e\u0435 \u0441\u043f\u0430\u0441\u0438\u0431\u043e <a href=\"https:\/\/habr.com\/ru\/users\/n01z3\/\" class=\"user_link\">n01z3<\/a>, \u043d\u0430\u0434\u043e\u0443\u043c\u0435\u0432\u0448\u0435\u043c\u0443 \u043c\u0435\u043d\u044f \u0437\u0430\u043d\u044f\u0442\u044c\u0441\u044f DL, \u0437\u0430 \u0435\u0433\u043e \u0431\u0435\u0441\u0446\u0435\u043d\u043d\u044b\u0435 \u0441\u043e\u0432\u0435\u0442\u044b \u0438 \u0447\u0440\u0435\u0437\u0432\u044b\u0447\u0430\u0439\u043d\u044b\u0439 \u043f\u0440\u043e\u0444\u0435\u0441\u0441\u0438\u043e\u043d\u0430\u043b\u0438\u0437\u043c! <br \/>  <cut><\/cut><br \/>  <i>\u0418\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0439\u0442\u0435 \u0432 production \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0435 \u043c\u043e\u0434\u0435\u043b\u0438!<\/i><\/p>\n<p>  <img decoding=\"async\" src=\"https:\/\/habrastorage.org\/webt\/xv\/x3\/yv\/xvx3yvszd_twqjbrtk3rjaxrxpk.png\"> Aurorai, llc<\/div>\n<p> \u0441\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b \u0441\u0442\u0430\u0442\u044c\u0438 <a href=\"https:\/\/habr.com\/ru\/company\/ods\/blog\/483074\/\"> https:\/\/habr.com\/ru\/company\/ods\/blog\/483074\/<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"\n<div class=\"post__text post__text-html\" id=\"post-content-body\" data-io-article-url=\"https:\/\/habr.com\/ru\/company\/ods\/blog\/483074\/\"><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/webt\/qr\/je\/yu\/qrjeyup390z-iv5uyduultmmxcs.png\" alt=\"image\"><br \/>  \u0411\u043e\u043b\u044c\u043d\u043e \u0442\u043e\u043b\u044c\u043a\u043e \u0432 \u043f\u0435\u0440\u0432\u044b\u0439 \u0440\u0430\u0437!<\/p>\n<p>  \u0412\u0441\u0435\u043c \u043f\u0440\u0438\u0432\u0435\u0442! \u0414\u043e\u0440\u043e\u0433\u0438\u0435 \u0434\u0440\u0443\u0437\u044c\u044f, \u0432 \u044d\u0442\u043e\u0439 \u0441\u0442\u0430\u0442\u044c\u0435 \u044f \u0445\u043e\u0447\u0443 \u043f\u043e\u0434\u0435\u043b\u0438\u0442\u044c\u0441\u044f \u0441\u0432\u043e\u0438\u043c \u043e\u043f\u044b\u0442\u043e\u043c \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u044f TensorRT, RetinaNet \u043d\u0430 \u0431\u0430\u0437\u0435 \u0440\u0435\u043f\u043e\u0437\u0438\u0442\u043e\u0440\u0438\u044f <a href=\"https:\/\/github.com\/aidonchuk\/retinanet-examples\">github.com\/aidonchuk\/retinanet-examples<\/a> (\u044d\u0442\u043e \u0444\u043e\u0440\u043a \u043e\u0444\u0438\u0446\u0438\u0430\u043b\u044c\u043d\u043e\u0439 \u0440\u0435\u043f\u044b \u043e\u0442 <a href=\"https:\/\/github.com\/NVIDIA\/retinanet-examples\">nvidia<\/a>, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043f\u043e\u0437\u0432\u043e\u043b\u0438\u0442 \u043d\u0430\u0447\u0430\u0442\u044c \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u0432 \u043f\u0440\u043e\u0434\u0430\u043a\u0448\u0435\u043d \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0435 \u043c\u043e\u0434\u0435\u043b\u0438 \u0432 \u043a\u0440\u0430\u0442\u0447\u0430\u0439\u0448\u0438\u0435 \u0441\u0440\u043e\u043a\u0438). \u041f\u0440\u043e\u043b\u0438\u0441\u0442\u044b\u0432\u0430\u044f \u0441\u043e\u043e\u0431\u0449\u0435\u043d\u0438\u044f \u0432 \u043a\u0430\u043d\u0430\u043b\u0430\u0445 \u0441\u043e\u043e\u0431\u0449\u0435\u0441\u0442\u0432\u0430 <a href=\"https:\/\/ods.ai\">ods.ai<\/a>, \u044f \u0441\u0442\u0430\u043b\u043a\u0438\u0432\u0430\u044e\u0441\u044c \u0441 \u0432\u043e\u043f\u0440\u043e\u0441\u0430\u043c\u0438 \u043f\u043e \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u044e TensorRT, \u0438 \u0432 \u043e\u0441\u043d\u043e\u0432\u043d\u043e\u043c \u0432\u043e\u043f\u0440\u043e\u0441\u044b \u043f\u043e\u0432\u0442\u043e\u0440\u044f\u044e\u0442\u0441\u044f, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u044f \u0440\u0435\u0448\u0438\u043b \u043d\u0430\u043f\u0438\u0441\u0430\u0442\u044c <i>\u043a\u0430\u043a \u043c\u043e\u0436\u043d\u043e \u0431\u043e\u043b\u0435\u0435 \u043f\u043e\u043b\u043d\u043e\u0435<\/i> \u0440\u0443\u043a\u043e\u0432\u043e\u0434\u0441\u0442\u0432\u043e \u043f\u043e \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u044e \u0431\u044b\u0441\u0442\u0440\u043e\u0433\u043e \u0438\u043d\u0444\u0435\u0440\u0435\u043d\u0441\u0430 \u043d\u0430 \u043e\u0441\u043d\u043e\u0432\u0435 TensorRT, RetinaNet, Unet \u0438 docker.   <\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[],"tags":[],"class_list":["post-297396","post","type-post","status-publish","format-standard","hentry"],"_links":{"self":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/297396","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=297396"}],"version-history":[{"count":0,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/297396\/revisions"}],"wp:attachment":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=297396"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=297396"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=297396"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}