내장 학습 런타임

플랫폼에는 직접 빌드해 사용하는 학습 런타임 세 가지가 있음. 이 런타임도 이 절과 같은 계약으로 실행. 새 트레이너 작성 시 참고 구현으로 사용.

프레임워크 하나 = 런타임 이미지 하나. 의존성이 서로 다른 프레임워크를 한 이미지에 포함하지 않음. 변형 생성 시 프레임워크를 선택하며, 이후 변경 불가.

무엇이 다른가#

• 세 트레이너 모두 GEO_WORK_DIR 에 자체 형식의 데이터셋을 만들고, 이미지는 복사하지 않고 심볼릭 링크로 연결(/geo/dataset 이 읽기 전용이라 복사 불필요). 포인트클라우드만 .ply 를 .npy 로 변환.
• 폴리곤이 없는 라벨은 분할 학습에서 bbox 사각형으로 대체.
• Pointcept 는 CUDA 전용 확장을 사용하므로 GPU 없이 제출하면 제출 단계에서 거절. 시맨틱 분할은 클래스를 2개 이상 선택해야 하고, 인스턴스 분할은 데이터셋에 인스턴스 속성이 지정되어 있어야 제출 가능.
• 포인트클라우드에서 어느 속성이 클래스이고 어느 속성이 인스턴스 ID 인지는 데이터셋의 포인트 라벨 해석이 결정. 해석을 확정하지 않았으면 이름으로 판정. 이름에 inst · object · obj_id · objid 가 포함되면 인스턴스 ID(class · semantic 이 함께 포함되면 클래스), label · class · segment · semantic 이 포함되면 클래스, 둘 다 없으면 좌표·색이 아닌 첫 정수 속성이 클래스. 값이 모두 정수인 float 속성도 정수로 읽음.
• 인스턴스 ID 는 클래스로 사용하지 않음. 인스턴스마다 클래스를 할당한 데이터셋은 할당표로 점의 클래스를 결정하고, 미할당 인스턴스와 음수 ID 의 점은 학습에서 무시. 배경 인스턴스 ID 의 점은 배경 클래스를 선택했으면 그 클래스로, 아니면 무시.

사용하려면#

내장 런타임은 이미지를 게시(클러스터 내부에서 빌드해 레지스트리에 push)해야 학습에 사용 가능. 테넌트 관리자가 학습 런타임 에서 프레임워크별 변형을 만들어 게시하거나, 시스템 관리자가 공유 이미지로 제공. 자세한 절차는 관리자 가이드 참고.