| On this page | |
| Since | 20.5 |
概要 ¶
このノードは、前処理されたトレーニングデータセットと検証データセットに対してOIDNノイズ除去フィルターモデルをトレーニングするのに使用されるOIDNトレーニングスクリプトのラッパーです。
通常では、このノードは、
Preprocess OIDNと組み合わせて使用してください。
Installation: ¶
OIDNスクリプトでは、hythonにtorch(PyTorch)の追加インストールが必須です。
まず最初に、Houdiniインストールディレクトリに進んでhython環境を初期化します。
Linux
cd /opt/hfsx.x.x
Mac
cd /Applications/Houdini/Houdinix.x.x/Frameworks/Houdini.framework/Resources
Windows
cd "C:\\Program Files\\Side Effects Software\\Houdini x.x.x"
次に、houdini_setupスクリプトをsourceした後に、hythonにtorchをインストールします。
source houdini_setup hython -m pip install torch
パラメータ ¶
Input Features
トレーニングの前処理をするデータセットの入力特徴部セット。 以下の画像特徴部がサポートされています:
hdr
ファイル拡張子が.hdr.exrのカラー(ハイダイナミックレンジ)。
ldr
ファイル拡張子が.ldr.exrのカラー(ローダイナミックレンジ)。
sh1
ファイル拡張子が.sh1x.exr、.sh1y.exr、.sh1z.exrのカラー(正規化されたL1球面調和関数)。
alb
ファイル拡張子が.alb.exrのアルベド。
nrm
ファイル拡張子が.nrm.exrのシェーディング法線。
すべての入力特徴部(補助特徴部(アルベド、法線など)を含む)にはノイズがあると想定されます。 補助特徴部画像はオプション入力で、通常では、ノイズ除去品質を改善しディテールを保持します。
Clean auxilliary features
補助画像にノイズがない場合は、このパラメータを有効にしてください。 その場合、トレーニングには、ノイズを含んだ様々な補助画像の代わりに参照補助特徴部が使用されます。
Filter
トレーニングするフィルター。以下のフィルターが使用可能です:
RT
一方向/双方向のパストレーシングなどモンテカルロ式レイトレーシングを使用してレンダリングされた画像のノイズ除去に適して汎用レイトレーシングノイズ除去フィルター。
RTLightmap
HDRおよび正規化されたディレクショナルライトマップのノイズ除去に最適化されたRTフィルターの亜種で、LDR画像には対応していません。
このフィルターの選択によって、使用されるHDR/LDR転送関数が決まります。
Preprocessed Dataset
前処理されたデータセットのディレクトリ。
Training Dataset
トレーニングデータセットフォルダの名前。
Validation Dataset
検証データセットフォルダの名前。
Results Directory
トレーニング結果の出力先のディレクトリ。
Result
トレーニング結果に付けたい名前。
Epoch Count
トレーニングエポックの数。
Valid Epochs
検証データセットを使ってモデルが評価される間隔。
Save Epochs
トレーニング進捗状況を保存するためにモデルチェックポイントが生成される間隔。
Learning Rate
初期学習率。
デフォルトのパラメータ値の-1が変更されていなければ、1回の周期学習率スケジューラで使用される初期学習率は25に設定されます。
そうでない場合、Max Learning Rate/Initial Learning Rateの初期学習率が使用されます。
Max Learning Rate
最大学習率。
デフォルトのパラメータ値の-1が変更されていなければ、最大学習率は3.125e-6 * Batch Sizeに設定されます。
Learning Rate Warmup
学習率の増加(ウォームアップ)に費やされる学習率スケジュール周期の割合。
Batch Size
すべてのデバイスの合計のバッチサイズ。 バッチサイズは、デバイスの数で分割されます。
Loader Count
デバイスあたりのデータローダースレッドの数。
Precision
トレーニングを実行する精度。 デフォルトでは、混合精度(FP16とFP32)でトレーニングが実行されるので、トレーニングが高速でメモリ使用量を少なくすることができます。
Device
トレーニングの計算に使用するデバイス(例えば、CPU、GPU)。オプション:cpu、cuda、mps。
Device ID
同じ種類のデバイスが複数利用可能だった場合(例えば、複数のGPUが搭載されている場合)に使用する特定のデバイス。
Device Count
パフォーマンスを高速化するためにデータ並列処理に使用するデバイスの数。
Advanced ¶
これらは、トレーニングの挙動をもっと細かく制御することができる高度なパラメータです。 一般的には、これらのパラメータを変更する必要はありません。
Transfer Function
使用されるHDR/LDR転送関数。
Model
使用するネットワークモデル。
唯一のオプションはunetです。
Loss Function
使用する損失関数。
MSSSIM Weights
MS-SSIMスケールウェイト。
Tile Size
クロップされる画像タイルのサイズ。
Seed
PyTorch乱数生成のシード。
Deterministic
計算を決定論的にするので、パフォーマンスが低下します。
Exporting ¶
トレーニングが完了した後に、その結果のディレクトリをZIPファイルにエクスポートしたり、トレーニング結果をランタイムモデルウェイトフォーマット(.tza)にエクスポートするオプションがあります。
Epoch Checkpoint
エクスポートするエポックチェックポイント。
デフォルトのパラメータ値の-1が変更されていなければ、最新のチェックポイントがエクスポートされます。 入力する値は、必ずモデルのチェックポイント間隔で割れる値でなければなりません。
Export Directory
モデルウェイトまたはパッケージのエクスポート先のディレクトリ。
Filename
モデルウェイトまたはパッケージのファイル名。
| See also |
