Sample Data 등록

Tutorial 진행을 위한 Sample Data를 등록합니다.
Sample Image 1개를 담은 폴더와, 샘플 모델 파일 SampelModel.pth를 준비합니다.

🔗SampleModel.pth

1. 데이터셋 등록

Create Dataset

관리 - 데이터셋 메뉴를 선택합니다.
데이터셋 추가 합니다.

Create Dataset Image

ID를 지정한 뒤, 이미지 경로를 선택합니다.
이미지 경로는 Sample Image 1개를 담은 폴더를 선택합니다.
이후 확인을 클릭합니다.

Save Dataset

업로드가 완료되면 데이터셋 화면에 추가한 데이터가 업데이트 됩니다.

2. 샘플 모델 파일 등록

Sample Model

SampleModel.pth는 사전에 학습한 샘플데이터로, pytorch 기반 모델입니다.
- input은 299x299, output은 one hot code 0~8입니다.
SampleModel.pth와 model_handler.py를 새로 만들어 한 폴더에 구성합니다.
model_handler.py 파일 내용을 다음과 같이 구성합니다.

📜 model_handler.py 예시 코드 보기

import os
import pickle
import numpy as np
import torch
import cv2
import logging

logger = globals().get('JOB_LOGGER', logging.getLogger())
logger.setLevel(logging.INFO)

class ModelHandler:
    def __init__(self, data, context):
        self.device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
        self.base_path = os.path.dirname(os.path.abspath(__file__))

        model_path = os.path.join(self.base_path, "SampleModel.pth")
        self.model = torch.load(model_path, map_location=self.device)
        self.model.to(self.device)
        self.model.eval()

        logger.info(f"[LOG] 모델 로드 완료")

    def __call__(self, data, context):
        # 데이터 로드
        data = pickle.loads(data)
        images = np.array(data)
        images = images.astype(np.float32) / 255.0  # 정규화

        # 텐서 변환
        images = torch.from_numpy(images).permute(2, 0, 1).unsqueeze(0).to(self.device)

        # 추론 수행
        with torch.no_grad():
            predict_result = self.model(images)
            predict_result = predict_result.cpu().numpy()

        # 결과 처리
        result = {}
        result['result_code'] = int(np.argmax(predict_result))
        result['score'] = float(np.max(predict_result))

        logger.info(f"[RESULT] 예측: {result['result_code']}, 점수: {result['score']:.4f}")

        return pickle.dumps(result), context

if __name__ == "__main__":
    # Local Test
    img = np.random.randint(0, 255, (299, 299, 3), dtype=np.uint8)
    data = pickle.dumps(img)

    handler = ModelHandler(None, None)
    result, context = handler(data=data, context={})
    result_dict = pickle.loads(result)

    print(f"결과: {result_dict['result_code']}, 점수: {result_dict['score']:.4f}")