Skip to content

GPU_SETUP_COMPLETE.md

Latest commit

 

History

History
100 lines (66 loc) · 2.16 KB

GPU_SETUP_COMPLETE.md

File metadata and controls

100 lines (66 loc) · 2.16 KB
Raw

SAM3 Damage Detector - GPU対応セットアップ完了

✅ セットアップ完了

GPU対応のPyTorch環境が正常に構築されました！

環境情報

  • Python: 3.11.9
  • PyTorch: 2.7.1+cu118
  • CUDA: 11.8
  • GPU: NVIDIA GeForce RTX 4060 Ti (16GB)

🚀 使い方

単一画像の損傷検出

python main.py --mode single --image "data/1_Test_images-kensg/kensg-rebarexposureRb_001.png"

バッチ処理（複数画像）

# 最初の10枚を処理
python main.py --mode batch --max_images 10

# 全254枚を処理
python main.py --mode batch

⚙️ 設定について

GPU + FP32（デフォルト・推奨）

  • メモリ使用量: 約2.4GB
  • 処理速度: 高速
  • 精度: 最高
  • 推奨環境: GPU 8GB以上
python main.py --mode single --image "path/to/image.png"

CPU + FP32（GPUなし環境）

  • メモリ使用量: 約2.4GB (RAM)
  • 処理速度: 遅い
  • 精度: GPU版と同じ
python main.py --mode single --image "path/to/image.png" --no_fp16 --no_quantization

📝 技術的な注意点

INT8量子化について

  • ❌ CUDA非対応: PyTorchのINT8動的量子化はCPUのみサポート
  • ✅ 代替案: FP32でGPU実行（RTX 4060 Ti 16GBなら十分対応可能）

FP16推論について

  • ⚠️ 型の不一致: SAMモデルの一部でFP32とFP16の混在により動作不安定
  • ✅ 推奨: FP32で安定動作

メモリ最適化

RTX 4060 Ti 16GBの場合：

  • FP32: 約2.4GB使用 → 余裕で対応可能
  • バッチ処理も問題なし

🎯 パフォーマンス

設定 GPU メモリ 処理速度 備考
GPU + FP32 ~2.4GB 高速 推奨
CPU + FP32 RAM 2.4GB 遅い GPU非対応環境用

✅ 動作確認済み

✓ 単一画像検出: 正常動作（スコア: 0.9935）
✓ GPU使用: CUDA 11.8対応
✓ メモリ効率: 2.4GB / 16GB使用
✓ 結果保存: results/single/に出力

GPU環境で高速・高精度な損傷検出が可能です！ 🚀