Server Setup
Dokumentasi terkait instalasi software pada komputer server.
1. Instalasi Ubuntu
TODO: Zaky NOTES: Lengkap dengan dokumentasi gambar
2. Instalasi CUDA dan NVIDIA Toolkit
TODO: Zaky
3. Instalasi Darknet
TODO: Zaky
4. Instalasi CVAT
TODO: Zaky
5. Instalasi HALCON Software
Buka browser pilihan anda, disarankan untuk memakai browser chrome agar lebih mudah. Lalu pergi ke link instalasi halcon. Anda akan menemukan tampilan seperti di bawah ini.
Anda perlu mengklik bagian download halcon. Akan tetapi, anda juga perlu menginstall deep learning tool jika ingin menganotasi gambar di halcon software. Setelah itu anda perlu login akun ke dalam web Halcon. Jika anda tidak memilikinya, maka anda bisa registrasi terlebih dahul. Mohon pastikan bahwa akun email yang akan anda pakai adalah akun resmi suatu lembaga atau perusahaan, bukan mili pribadi.
Selanjutnya anda perlu memilih jenis platform dan versi halcon yang diinginkan. Pilihlah sesuai device yang sedang atau akan anda gunakan.
Jika anda sudah mendownload halcon, maka anda bisa mencari berkas file nya di direktori downloads.
Anda ekstrak berkas tersebut dan masuk kedalam foldernya.
Kemudian anda buka terminal anda jika anda berada di linux, lalu ketikkan perintah seperti gambar di bawah ini.
Jika anda berada di windows atau MacOS, maka anda perlu membuka aplikasi SOM.
Tampilan dari som akan membuka browser pilihan secara otomatis.
Kemudian, tekan tanda titik tiga sebelah atas kanan, lalu pilih manage packages. Lalu pilih ALL.
Jika sudah, maka tekan apply dan file akan terinstall di device anda. Folder utama berada di direktori home.
Untuk menjalankan software halcon, anda harus memiliki file licensi yang terdapat di direktori ./license pada folder halcon. Jika sudah anda bisa menjalankan software halcon lewat terminal dengan perintah ./hdevelop.
Tampilan jendela dari halcon software akan seperti ini.
Jangan lupa anda berikan pengaturan environtment pada .bashrc jika anda menjalankan aplikasi ini di linux.
Untuk penggunaan di embedded system, halcon tidak bisa dijalankan dengan perintah ./hdevelop, melainkan harus dijalankan dengan perintah ./hrun alamat file serta file. Sebagai contoh ada di gambar berikut.
Untuk manual book bisa diliat di link ini.
6. Instalasi Software untuk Training SSD
1. Instalasi Anaconda dan Membuat Virtual Environment
Instalasi pada Linux
Ketikkan perintah berikut pada terminal
sudo apt update && sudo apt upgrade -y
wget https://repo.anaconda.com/archive/Anaconda3-2020.11-Linux-x86_64.sh
chmod +x Anaconda3-2020.11-Linux-x86_64.sh
./Anaconda3-2020.07-Linux-x86_64.sh
Lakukan proses instalasi diatas dengan pilihan default. Setelah proses instalasi selesai lakukan eksekusi terhadap file ~/.bashrcdengan mengetikkan perintah berikut ini.
source ~/.bashrc
Setelah mengeksekusi perintah tersebut, di terminal akan muncul environment default base yang sedang digunakan seperti berikut.
(base) username@machine-name:~$
Membuat Virtual Environment
Membuat virtual environment dapat dilakukan dengan dua cara:
- Menggunakan
anaconda-navigator - Menggunakan terminal Jika menggunakan terminal, format perintah yang digunakan sebagai berikut.
conda create -n envname python=x.x anaconda
Contoh: membuat virtual environment dengan nama ssdmobile dan menggunakan Python versi 3.7.x.
conda create -n ssdmobile python=3.7 anaconda
Mengaktifkan Virtual Environment
Setelah membuat virtual environment, aktifkan virtual environment yang ingin digunakan dengan format perintah sebagai berikut.
conda activate envname
Contoh: mengaktifkan virtual environment ssdmobile yang telah dibuat.
conda activate ssdmobile
Sekarang di terminal akan muncul nama environment yang aktif ssdmobile seperti berikut ini.
(ssdmobile) username@machine-name:~$
2. Install Tensorflow
Tensorflow yang digunakan pada ssdmobile adalah tensorflow 1.15.
mengintall tensorflow run di CPU.
pip intall tensorflow==1.15
mengintal tensorflow run GPU.
pip install tensorflow-gpu==1.15
3. Instal Object Detection API
Install tf_slim.
pip install tf_slim
Membuat direktori penyimpanan file.
mkdir content && cd content -y
mkdir models && cd models -y
Install protobuf-compiler and the tensorflow's Object Detection API.
apt-get install protobuf-compiler
git clone https://github.com/tensorflow/models.git
cd research
Compile all the protobuf dependencies.
protoc object_detection/protos/*.proto --python_out=.
Set up and install the object detection API.
cp object_detection/packages/tf1/setup.py .
python3 -m pip install .
Run a test to make sure setup is correct.
python3 object_detection/builders/model_builder_test.py
4. Unduh dan persiapkan kumpulan data.
Download dataset training
# Now let's download our training dataset.
mkdir /content/dataset
cd /content/dataset
wget http://www.robots.ox.ac.uk/~vgg/data/pets/data/images.tar.gz
wget http://www.robots.ox.ac.uk/~vgg/data/pets/data/annotations.tar.gz
!tar zxf images.tar.gz
!tar zxf annotations.tar.gz
# Only picking Abyssinian Cat and the American Bulldog
# If you wish to train the model on all classes, simply skip this entire cell.
cp /content/dataset/annotations/list.txt /content/dataset/annotations/list_petsdataset.txt
cp /content/dataset/annotations/trainval.txt /content/dataset/annotations/trainval_petsdataset.txt
cp /content/dataset/annotations/test.txt /content/dataset/annotations/test_petsdataset.txt
grep "Abyssinian" /content/dataset/annotations/list_petsdataset.txt > /content/dataset/annotations/list.txt
grep "american_bulldog" /content/dataset/annotations/list_petsdataset.txt >> /content/dataset/annotations/list.txt
grep "Abyssinian" /content/dataset/annotations/trainval_petsdataset.txt > /content/dataset/annotations/trainval.txt
grep "american_bulldog" /content/dataset/annotations/trainval_petsdataset.txt >> /content/dataset/annotations/trainval.txt
grep "Abyssinian" /content/dataset/annotations/test_petsdataset.txt > /content/dataset/annotations/test.txt
grep "american_bulldog" /content/dataset/annotations/test_petsdataset.txt >> /content/dataset/annotations/test.txt
5. Setup Remote Access over Internet (RDP dan SSH)
TODO: Zaky