OpenATS 0.3.dev0

Open AI Training Station for Keras

Open AI Training Station

TODO:

※開発後削除

• Trainer for Keras_cnn_audio.Trainer

• Manager for Keras_cnn_audio.manage.py

Install

https://pypi.python.org/pypi/OpenATS

pip install OpenATS

ルール

• r1. 1 Stationに 1 Dataset

• r2. 1 Stationに n Model

• r3. 1 Stationに n Setting

つまり、1StationにつきNxNパターンの学習を実施する.

Usage

• Init 初期ディレクトリツリーを作成する openATS init

• Create Dataset データセットを作り直す openATS makeDataset

• Run あるモデルと設定ファイルの組みで学習を開始する openATS run -m model001.py -s 01-setting.conf

• Run All モデル数x設定ファイルパターンの学習を開始する openATS runAll

• Test 少ないサンプルとエポック数で、正常に学習可能かテストする openATS run --test -m model001.py -s 01-settings.conf openATS runALL --test

Feature

• テストモード : epoch1, datasize100, batch_size10,　計算ができるか実行する機能.

• モデル保存 :

• (1)**BestAcc-Model** : 最大Acc時の重みを保存.

• (2)**LastAcc-Model** : 最終Accを保存

Version1.x

• Datasource : 信号データのみ対応

• Dataset : mspec、mfccに対応

• Model.py : Modelファイルはpyファイルのみ対応

• Setting.conf : .confのみ対応

Version2.x

• Datasource : 画像データの入力に対応

• Model.json : Modelファイルのjsonインポートに対応

• Setting.conf : json対応

• HTTP Access : 指定したWebサーバーにログを送信する機能

dataset.conf

[Datasource]
datasource_dirfullpath = /home/ubuntu/datasource/mp3/
allow_subdirs = True
datasource_ext = mp3

[Dataset]
max_duration_ms = 3000 # max duration. Zero padding if shorter.
error_if_shorter = True # error_if_shorter_than_max_duration
pipeline = "mspec" # "mfcc", "mspec"
nfft = 4096
nmel = 128

setting.conf

[model]
optimizer = "adam" # Keras opt. sgd,rmsprop,Adagrad,Adadelta,Adam,Adamax,Nadam
# loss = "categorical_crossentropy" # binary_crossentropy
metrics = 'accutuary'

[train]
epoch = 2
batch_size = 32
sample_size = 500

基本ディレクトリ構成

initコマンドでコマンドを実行したディレクトリに初期構成を展開

$ openATS init
Create default directory tree ..

.gitignore
Stationfile
/dataset/
    default-dataset.conf
    /train/
    /test/
/models/
    001_cnn_4layer_a0.py
    002_cnn_4layer_a0.py
/settings/
    default-setting.conf
    argmentation.conf
    non-argumentation.conf
/results/
    /001_cnn_4layer_a0-_sample-settings/
        /tflogs/
        training.csv
        validate.csv
        classification_report.csv
        acc_vs_epoch.json
        loss_vs_epoch.jon
        model.png
        model-bestepoch-200.model
        model-lastepoch-1200.model
        acc_vs_epoch.png
        loss_vs_epoch.png

.gitignore

*.pyc
__pycache__/
dataset/

Resultディレクトリ

• 結果ファイルの格納方法 解析中にはテンポラリディレクトリに結果ファイルを保存する。解析が完了後Resultディレクトリに移動