Visual Studio에 TensorFlowSharp GPU 버전을 설치하고 CPU와 GPU에 대한 테스트를 해봤습니다. 하지만, 기대한 것과는 상당히 다른 결과가 나와서 의아하군요-_-; 왜 이런 결과가 나오는지는 차차 알아봐야 겠지만, 의심되는 부분은 그래픽 카드가 노트북용 저가라 그런게 아닌가 생각됩니다. 아무튼, 아래와 같은 예제 폼을 하나 만들고 테스트하기 위한 코드를 작성했습니다.

 

 

이미지를 가져오면 좌측에 원본 이미지를 표시하고, 우측은 텐서플로우에서 찾은 결과를 표시하도록 했습니다. 그리고 하단의 텍스트 박스에 정보와 시간(초)을 표시해줍니다. 첫번째로 간단하게 검색될만한 이미지를 추가하고 CPU와 GPU를 비교해봤습니다.

 

CPU 처리 결과

약 51초 정도 걸렸네요.

 

 

GPU 처리 결과

이상하게 CPU보다 속도가 더 느립니다-_-; 원하는 결과가 아니라서 약간 당황스럽네요. 그리고 결과도 좀 다르구요. 이미지가 작아서 검출 결과가 어떤지 확인이 안되는군요.

 

 

판단한 내용을 보면 아래와 같습니다. CPU는 사람을 kite(연)으로... 오류가 있네요. 오브젝트(사물)는 잘 잡아냈지만 인식은 불확실합니다.

 

 

GPU는 100% 확률로 사람이라고 알려줍니다. 뒤에 배경이 잡히는 오류도 없네요. 왜 이런 결과가 나올까요? 아마도 학습 알고리즘에 사용된 Object detection model이 학습하지 않은 이미지라 그런듯 합니다. 좀 더 테스트를 진행 해봅니다.

 

 

CPU 처리 결과 

약 53초가 소요되었는데... 검출은 하나만 되었습니다. 

 

 

GPU 처리 결과 

CPU와는 다르게... 5명 전부 검출이 되었네요. 소요 시간은 약 54초입니다. 

 

 

검출된 결과를 보면 CPU는 한명만 사람으로 인식하고 인식률도 50프로로 알려주네요.

 

 

GPU는 5명 다 사람으로 인식합니다. 그리고 인식률도 좋구요. 차이가 많이 나죠?

 

 

이번에는 TensorFlowSharp sample에서 학습한 이미지로 테스트 해보도록 하겠습니다. 어떤 차이가 있는지 궁금하군요. 이 내용은 아래 링크에서 다운로드 받을 수 있습니다.

[ TensorFlowSharp 샘플 소스 다운로드 ]

 

CPU 처리 결과

CPU 처리 결과를 보면 학습 모델이 연(Kite)을 찾도록 한듯 보입니다.

 

 

GPU 처리 결과 

GPU 로 처리한 결과인데요. 의외네요. CPU보다 빠른데다 인식률이 상당히 좋아졌습니다. 연뿐만 아니라 사람도 모두 검출해주고 있네요. 속도는 유의미한 결과가 아니지만 검출 결과물은 의미가 크다고 할 수 있겠습니다. 

 

 

그래픽 카드를 좀 더 좋은 녀석으로 바꿀 수 있으면 좋겠지만... 노트북이라 불가능하고... 데스크탑을 사기에는 좀 부담스럽네요. 집에 노트북만 3대인데... 데스크탑을 또 들이기가^^; 아무튼, 이제 남은 과제는 케라스를 이용한 학습 시키기와 OpenCV 연동정도가 남았군요. 생각보다 쉽게 쉽게 문제들이 해결되고 있어서 할만하네요. 아직까지는요~

 

개발자에게 후원하기

 

추천, 구독, 홍보 꼭~ 부탁드립니다.

여러분의 후원이 빠른 귀농을 가능하게 해줍니다~ 답답한 도시를 벗어나 귀농하고 싶은 개발자~

감사합니다~

추천0 비추천0