모델 설정 스키마

개요

커널이 어떤 학습을 할 수 있는지, 어떤 모델 타입을 지원하는지 등에 대한 정의 파일 입니다.

커널 개발시 필수로 작성되야 하며 학습 커널에 학습 요청을 할때 전달되는 model.json 은 이 스키마 내용을 만족하는 data만 전달되는 것이 보장됩니다.

model_schema.json 에 필수적으로 정의되어야 할 아래 항목 외에 필요에 따라 지원해야 하는 내용들을 추가해 정의 할 수 있습니다.

필수 항목

training_type (학습 타입)

커널이 지원하는 학습 타입을 지정합니다. 학습 타입은 모델 타입에 의해 결정되는 학습(레이블)의 종류이기도 합니다. 지원되는 학습 타입에 따라 지원하는 모델 타입이 달라지며 모델 타입에 따라 학습시에 학습용 데이터가 다르게 생성이 되어서 넘어가게 됩니다.

플랫폼에 정의되어 있어 사용 가능한 학습 타입은 CL, RC, SEG, OD 이고 하나 이상의 타입을 지정할 수 있습니다.

지원하는 타입에 따라 아래와 같이 입력합니다.

"training_type": {
  "type": "string",
  "enum": [
    "CL", "RC", "OD", "SEG"
  ]
},

model_type (모델 타입)

커널이 지원하는 모델 타입(프로젝트 기본정보에 나열되어 있는)을 지정합니다. 이미 아는 모델 타입을 적어주면 해당 모델 타입과 바인딩이 되고 적어주지 않는다 하더라도 학습 플랫폼 내에서 지원되는 학습 타입에 따라 수동으로 연결 할 수도 있습니다.

지원하는 타입에 따라 아래와 같이 입력합니다.

"model_type": {
  "type": "string",
  "enum": [
    "MT_AD_CL_BOTTLE", "MT_AD_CL_CABLE"
  ]
},

training_params

실제로 학습에 사용되는 하이퍼 파라메터들이 정의 되는 영역입니다.
학습에 사용되는 하이퍼 파라메터들을 나열해 두면 사용자가 해당 하이퍼 파라메터를 지정해서 학습을 시켜 볼 수 있습니다.
학습을 위해 반드시 필요한 하이퍼 파라메터는 required 에 추가하여 그 값을 사용자가 반드시 입력해야지만 학습이 시작되도록 할 수 있습니다.

선택 항목

supported_operations

커널이 지원하는 동작을 표시하는 필드입니다. 플랫폼에서 지원하는 동작은 아래와 같습니다.

training : 모델 학습
validation : 학습된 모델 검증
inference : 학습된 모델을 사용한 추론
live_model : 레이블링 화면에서 실시간 추론

지원하는 동작에 따라 아래와 같이 입력합니다.

"supported_operations": {
  "type": "string",
  "const": "training,validation,inference,live_model"
},

supported_gpu_count

커널이 지원하는 gpu 수 입니다.
minimum, maximum 값에 따라 학습시 플랫폼 UI에서 gpu 갯수를 선택할 수 있습니다. 해당 속성이 없는 경우 선택 가능한 gpu 수는 1개 입니다.

"supported_gpu_count": {
  "type": "integer",
  "minimum": 1,
  "maximum": 4
}

trainable_image_type

접근 가능한 이미지 종류(xy, albedo ...)의 목록입니다. 값은 string arrary 형태를 가지며, 그 값은 기본정보의 프로젝트 환경의 학습 가능한 이미지 종류(TRAINABLE_IMAGE_TYPE) 에 있는 항목들의 열거입니다.

하나의 상태에 여러 종류의 이미지가 있다면(예를 들어 일반 이미지, 엑스레이 이미지, 전처리 이미지 등) 해당 옵션으로 학습 가능한 이미지 종류를 학습 커널에 전달할 수 있습니다.

학습 커널에서는 자신이 학습한 image type을 onnx 파일의 메타 데이터에 저장하여, edge에서 어떤 type의 image를 feeding할 지 결정할수 있도록 해 주어야 합니다.

"trainable_image_type": ["_A.png", "_X.png", "_CH1.png", "_CH2.png"]

batchable_params

training_params 에 정의되어 있는 항목중 영역 스캔이 필요하거나, 영역 스캔이 가능한 항목을 집어 넣어, 사용자가 영역 스캔을 할 수 있도록 할 수 있습니다.

해당 항목에 대해 min/max 영역과 step 값을 입력하여 반복적으로 batch 학습을 수행할수 있게 됩니다. 학습 커널 입장에서는 각 값의 조합으로 별도의 학습 요청이 들어가는 것이므로, 따로 처리를 해야 할 것은 없고, 의미 있는 batchable parameter를 식별하여 이 항목에 적어 주면 됩니다.

해당 옵션의 여부에 따라 플랫폼 화면에 해당 기능이 활성화 됩니다.

필수 항목 처리

기대한 데이터가 넘어오지 않거나, 기대하지 않는 데이터가 학습 커널로 넘어가서 발생하는 부작용을 방지하기 위해서 "required" field 와 "additionalProperites : false"는 반드시 적어 놓는 것이 좋습니다.
"required"에는 반드시 있어야 하는 항목들을 적어주는 것이고, "additionalProperties: false" 는 이 schema 에 정의된 것 이외의 property가 사용되지 않도록 하는 것입니다. 혹시, 동적 property가 필요해서 임의의 property를 추가하고, 사용하고 싶은 경우에는 "additonalProperties: false"를 넣어줄 필요가 없습니다.
학습 커널 내부에서 반드시 필요한 파라메터는 training_params.required 에 적어주고, 학습플렛폼에서 반드시 필요한 paramter에 대한 required는 top level에 적어 주어야 합니다. (위의 필수 항목)