- VegaModel CNN-FCNN 34.5M params, 82 isotopes, val acc 99.89% - Generation 50k spectres synthetiques 1D (12-24h durees) - Entrainement 100 epochs sur RTX 5060 Ti (CUDA 12.8, Blackwell) - Detection continue avec soustraction du background - Capture background 24h avec gestion deconnexion - Docker Compose : conteneur train (GPU) + detect (CPU/USB) - Modele entraite inclus (vega_best.pt, 395 Mo) Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
1.6 KiB
1.6 KiB
Radiacode 103 — Pipeline d'identification automatique d'isotopes
Etat d'avancement
| Etape | Statut | Detail |
|---|---|---|
| Build Docker | Fait | train + detect |
| Generation spectres synthetiques | Fait | 50 000 echantillons (1D, 4.2 Go) |
| Entrainement VegaModel | Fait | 100 epochs, val loss 0.0051, val acc 99.89% |
| Modele sauvegarde | Fait | models/vega_best.pt (395 Mo), 82 isotopes |
| Capture background 24h | En cours | 0.2h/24h, 6.5 CPS |
| Detection continue | Pas encore | Apres background 24h |
| Test avec source | Pas encore | Apres detection continue |
Prochaines etapes
- Attendre fin de la capture background 24h (conteneur
radiacode-bgen cours) - Lancer le moniteur :
docker compose up detect - Tester avec une source radioactive connue (Cs-137)
- [] Nettoyer les checkpoints d'epochs dans
models/(garder seulementvega_best.pt,vega_final.pt,vega_history.json,vega_isotope_index.txt) - Transfer vers Pi 4 pour la production
Bugs corriges
spectrum.durationretourne untimedelta, pas unfloat-> utilise.total_seconds()- Generation de spectres 2D (time x channels) causait un OOM a ~210 echantillons -> generation 1D cumulative
- PyTorch 2.4 ne supporte pas sm_120 (Blackwell/RTX 5060 Ti) -> PyTorch 2.7.0 + CUDA 12.8
- DataParallel incompatible entre GPU d'architectures differentes (4060 Ti Ada + 5060 Ti Blackwell) -> mono-GPU
radiacodedepend debluepy(BLE) qui ne compile pas danspython:3.11-slim-> ajoutebuild-essential libglib2.0-dev- Volume
./datamonte en read-only dans detect -> passe en read-write pour le snapshot JSON