■
前準備：HALCONディープラーニングに必要な環境を用意
HALCONディープラーニングでは、学習にはGPUを、推論にはGPUあるいはCPUを使用します。今回紹介するHDevelopサンプルプログラムでは、学習も行いますので、GPUの準備をお願いします。
■ HALCON Trial Kit のご登録案内に従ってHALCON18,.11をインストール
・HALCON 18.11 （Steady あるいは Progress） をインストール
・HALCON 18.11 ディープラーニング用画像をインストール
■ HALCONディープラーニングのための環境のセットアップ ・GPUをセットアップ
・CUDA10対応GPUグラフィックスドライバをインストール
※前準備でご不明な点があれば、リンクスサポート（support@linx.jp）にご連絡ください。
■
手順1：データセットの作成
【画像分類】したいデータセットの作成を行います。【Training Images】 というフォルダを用意した後、【Training Images】 フォルダ直下に必要なフォルダを作成し、分類したい画像のデータセットごとに各フォルダに格納してください。
ここで、１つのフォルダが画像分類の１つのクラスに相当します。例えば、OKとNGの良否判定の場合は、【Training Images】 の直下に【OK】フォルダと【NG】フォルダを作成し、OK画像、NG画像をそれぞれのフォルダに格納します。
・【Training Images】 フォルダの下に、分類分けしたいクラスごとにフォルダを作成
・各フォルダにディープラーニング学習に使う画像をコピー
■
手順2：学習
データセットの準備ができたら、次に学習を実行します。
【Training Images】 フォルダと同じ場所にある 【deep_learning_sample.hdev】 を開くと、HDevelopが立ち上がり、画像分類のサンプルプログラムが実行できる状態になります。
F5ボタン（連続実行）を押し、学習を実行します。
・【deep_learning_sample.hdev】 を開く
・F5ボタン（連続実行）を押し実行
学習が始まると、グラフィックウィンドウに学習経過が描画されます。
■
手順3：バリデーション（学習結果の検証）
学習が終了すると、バリデーションデータに対する分類の内訳を確認できる【Confusion Matrix】 が表示されます。例えば、本来は【OK】なデータが、正しく【OK】と判断された数、誤って【NG】と判断された数、をそれぞれ確認できます。
正答率が目標に達しているのか、【NG】に関しては、間違えることなくすべての【NG】が【NG】と正しく判断されているのか、など、求める分類精度を実現できているかどうかを確認してください。
・【Confusion Matrix】 をもとにトレーニング精度を確認
■
手順4：パラメータ調整
学習に関して、HALCONでは以下の学習パラメータを調整できます。
●バッチサイズ（Batch Size）
値が大きなほど、分類安定性が向上します。ただし、値を大きくするには多くの画像枚数が必要です。
●学習率（Learning Rate）
誤差が減少しない場合は、大きな値に変更してください。
●モメンタム（Momentum）
誤差が変化しない場合は、小さな値に変更してください。
●エポック数（Number of Epochs）
誤差が収束しておらず、まだ下がりそうであれば、大きな値に変更してください。
・3 - 39行目を参照し、適宜、学習パラメータの調整行う
※パラメータ調整でご不明な点があれば、リンクスサポート（support@linx.jp）にご連絡ください。
| 
