すろーログ

Jupyter notebook で ROS を動かす ついにROSがjupyter notebook上で動くようになったらしい！ https://blog.jupyter.org/ros-jupyter-b7e82b5e1202 ロボットからしばらく離れていたけど、何かやりたいなと燻っていたので、これをキッカケにもう一度ロボットに触れたいという思いで飛びつきたいと思います。（素人感） 機械学習とロボットを結びつけたいとも思ってたので、これで少し結びつけやすそう？ 使用環境 OS : Ubuntu 18.04 bionic Kernel : x86_64 Linux 4.15.0-46-generic CPU : Intel Core i7-9700K @ 8x 4.9GHz GPU : GeForce RTX 2070 RAM : 944MiB / 32034MiB Docker : 18.09.3, build 774a1f4 ROSでGPUを使用できるかわかりませんが、一応GPUを積んでいるので、記載しています。 概要 やること 基本的な環境はDockerで構築します。 Dockerfileから環境の構築 コンテナの作成 jupyter-rosの実行 やらないこと Dockerのインストール、使用方法 python等の基本的操作 今回は上記のような、各ツールの基本的な部分には触れません。 Docker、python、jupyterの基本的な使用ができて、環境構築経験のある方向けの内容になります。 Dockerや環境構築系は少し書いたこともありますが（ コチラ ）、他の内容が濃いので、見てもわかりにくいかもしれません。 環境構築 公式リポジトリ を参考にしながら進めていきます。 1. Dockerfileから環境の構築 昔ははコマンドを打ってセットアップしていましたが、ROSもDockerで簡単にセットアップできるようです！ 最新のmelodicから melodic-robot イメージを使用します。 その他TAGは docker hub を参照して下さい。 公式リポジトリ に必要ライブラリが書いてあるので、まとめてDockerfileにしてしまいます。...

Tensorflow Object Detection APIの実行環境を作る 概要 超便利なGoogle製物体検知API Tensorflowがわからなくてもすぐに使えてしまうお手軽物体検知の導入のメモです。 構成 GCP ゾーン : us-west1-b マシンタイプ : n1-standard-8 OS : Ubuntu 18.04 LTS GPU : NVIDIA Tesla K80 x 2 Driver Version: 410.72 CUDA Version: 10.0 python 3.5.2 tensorflow-gpu 1.11.0 環境構築 Tensorflow Object Detection APIのクローン ソースのクローンですが、 少しコツがあります 。 そのままクローンしてしまうと、Object Detection APIと関係ないソースまでクローンしてしまいます。 そこで、 Sparse Checkout というテクニックを使って、指定のディレクトリだけをクローン、Git管理できるようにします。 # cloneしないので.gitが直下にできてしまうため # 予めディレクトリを作成 cd < path > mkdir TensorflowObjectDetectionAPI cd TensorflowObjectDetectionAPI # Sparse Checkoutの設定 git init git config core.sparsecheckout true git remote add origin https://github.com/tensorflow/models.git echo -e "research/object_detection\nresearch/slim" > .git/info/sparse-checkout git pull origin master Tensorflowのインストール installationには以下のようにありますが、個人的にオススメはDocker HubのTensorflowイメージを使ったDocker環境の作成です。 ...