CharlesGaydon
commented
2 years ago Bonjour, je serais ravi de vous aider à faire tourner l'outil, qui est encore tout nouvellement open sourcé :) D'après ce que je comprends, vous avez souhaité lancé la commande obtenue directement dans le Dockerfile (permalink). Cette commande est un simple exemple, dont les chemins correspondent à un serveur privé auquel vous n'avez pas accès. Il faut donc les remplacer par des chemins sur votre machine, où vous aurez à placer les éléments suivants :
- A source cloud point in LAS format on which to infer classes and probabilites.
- A checkpoint of a trained lightning module implementing model logic (class myria3d.models.model.Model)
- A minimal yaml configuration specifying parameters. We use hydra to manage configurations, and this yaml results from the model training. The datamodule and model parameters groups must match dataset characteristics and model training settings. The predict parameters group specifies path to models and data as well as batch size (N=50 works well, the larger the faster) and use of gpu (optionnal). For hints on what to modify, see the experiment/predict.yaml file.
Ces éléments sont listés dans cette page de la documentation : Performing inference on new data Le plus simple pour vous serait de télécharger les fichiers les plus à jour dans notre production à l'IGN, qui sont accessible sur cette Production Release:
Si vous utilisez Docker avec l'image appellée elle même "myria3d", vous pouvez vous baser sur la commande suivante de notre workflow d'intégration continue, ce qui donnerait (en ayant crée un dossier /inputs/ et /outputs/ sur votre machine, et téléchargé les fichiers dans /inputs/)
docker run -v /inputs/:/inputs/ -v /outputs/:/outputs/ --ipc=host myria3d \
python -m myria3d.predict \
--config-path /inputs/
--config-name predict_config_V2.3.0.yaml \
predict.src_las=/inputs/792000_6272000_subset_buildings.las \
predict.output_dir=/outputs/ \
predict.ckpt_path=/inputs/RandLaNet_Buildings_B2V0.5_epoch_033.ckpt \
datamodule.batch_size=25 \
hydra.run.dir=/outputs/Concernant le LAS d'entrée, vous pouvez utiliser un LAS du projet Lidar HD, ou bien celui de test qui est situé dans ce dossier.
Pour inspecter les résultats d'inférence, ouvrir CloudCompare et chercher le canal PredictedClassification. Les canaux de probabilitiés pour différentes classes peuvent tous être sauvegardés avec le paramètre predict.probas_to_save="all".
Bibiisneaks
Bonjour, après avoir build le dockerfile je rencontre une erreur au moment du run :
Primary config directory not found. Check that the config directory '/CICD_github_assets/parametres_etape1/.hydra' exists and readable
Et effectivement, je ne vois nulle part dans les configs (dockerfile / .yml etc…) le folder /CICD_github_assets/
Suis-je passé à côté d'une étape ?
Merci