2024.08.02 - [Amazon Web Service] - [AWS] DeepRacer의 개념 그리고 자율주행도 클라우드환경에서...!!
[AWS] DeepRacer의 개념 그리고 자율주행도 클라우드환경에서...!!
AWS를 학습하면 할수록, 다양한 서비스가 존재하는 것을 느끼고 있다.그중에서도 AI기반의 기계학습을 통한 자율주행을 해볼 수 있는 DeepRacer 서비스이다.이제는 자율주행도 클라우드 환경에서
cloudjs.tistory.com
이전 글에서 AWS DeepRacer에 대한 간단한 소개와 개념에 대한 글을 포스팅했다.
그거에 이어서 AWS 콘솔에서 실제 DeepRacer 서비스를 이용해보고, Vehicle과 Model을 생성하려한다.
AWS DeepRacer 서비스는 버지니아 북부(us-east-1) 리전에서만 가능하다!
왼쪽 카테고리에서 어떤 서비스를 사용할 수 있는지 볼 수 있다.
가장 기본적인 models와 garage를 살펴 볼 예정이다.
garage
모델을 학습시키기 위한 차량을 만든다.
차량 이름을 설정한다.
색상 선택도 가능하다.
차량에 들어가는 장비를 선택한다.
차량 생성완료
Models
모델 이름을 생성한다.
시뮬레이션 할 환경을 선택한다.
레이스 타입을 선택한다.
나는 장애물을 피하면서 가는 Object avoidance를 선택했다.
하단의 옵션 설정에 Hyper Parameter있다.
- Hyper Parameter
모델을 학습할 때에 고려할 값이다. 학습률, 보상 함수, 프레임워크, 강화 학습 알고리즘 등의 하이퍼파라미터를 적절하게 조정하여 성능을 향상시키는 것이 중요하다.
자동차의 주행 공간을 설정한다. 일단은 기본값으로 설정했다.
학습을 시킬 차량을 선택한다.
위 그림에서 보면 evo를 기본으로 차량을 선택할 수 있다.
보상학습을 선택한다.
AWS에서는 기본적으로 보상함수를 예시를 제공해준다.
학습시간을 선택한다. 👉🏼 🚨 중요🚨 학습시간을 선택한 시간만큼 학습을 실제로 진행하기 때문에 기본값 60으로 한다면, 1시간 학습시간이 발생하며 3.5$의 과금이 부여된다.
자동으로 레이스 참가하는 것은 해지한다.
모델을 생성한다.
맨처음 그림과 같이 처음에 학습을 하기 위한 셋팅을 진행한다. 그리고 모델이 생성이 되는 동시에 학습을 진행한다. 내가 설정한 시간 뒤에 멈춘다고 나와있다. 학습은 위에서 설정한 Maximum time에 기준한다.
내가 설정한 값으로 DeepRacer model이 학습을 진행하고 학습진행을 동영상으로 볼 수 있다.
(굉장히 신기한 부분이이었다.)
학습을 진행하는 동안에는 다른동작이 불가하다. 학습과 평가가 모두 완료되어야 기본적인 모델이 할 수 있는 동작이 존재한다.
모델의 학습과 평가가 종료되면 그림과 같이 S3복사하기, 복사, 삭제가 가능하다.
삭제 또한 모델이 모든 과정을 거친 후에 가능하니 참고하자!
학습이 완료되면 아래와 같이 학습에 대한 정보가 나온다.
오늘은 간단하게 AWS DeepRacer에서 사용할 수 있는 models와 garage 서비스를 직접이용한 포스팅을 작성했다.
이후에는 모델학습에 대한 간단한 Tip에 대해서 정리를 해보고자 한다.
