🍱 이미지 잔반 분석 ‑ Troubleshooting Log

**목표 **: 5 장 식전·5 장 식후 이미지를 실시간 분석하면서 ⏱ 속도와 📈 결과 안정성을 모두 확보한다.


1) 병렬화 관련

단계 시도 결과(속도·문제) 메모
a. 직렬 처리 단순 for‑loop 총 ~28 s (모델*10) baseline
b. asyncio + ThreadPool ‑ 다운로드 비동기‑ 추론 5 스레드 18‑19 s (30 % 단축) but leftover 값 요동 MiDaS CPU 추론 스레드 경합 확인
c. 모델 싱글턴 캐싱 모델 1회 로드 & 재사용 모델 로드 4.5 s → 0 s 메모리 ↑ 700 MB
d. CPU 스레드 제한 torch.set_num_threads(1)OMP_NUM_THREADS=1 per‑image 2.1 s → 1.7 s oversubscription 완화
e. ProcessPool (예정) 프로세스 격리 값 안정 + 완전 병렬 예상 RAM 검토 후 도입

결정 사항


2) 멀티 스레드 경합 & RNG reseed 적용 과정

2‑1 증상

2‑2 원인 분석

  1. fallback K‑means 내부 cv2.kmeans(..., RANDOM_CENTERS) 가 스레드마다 다른 시드 사용
  2. OpenCV·NumPy RNG가 글로벌이어서 ThreadPool에서 공유 → 상태 덮어쓰기
  3. after_backproj ≤ 20 % 등 계단형 가중치 가 작은 오차를 증폭

2‑3 해결 프로세스

# utils/reseed.py
import random, numpy as np, torch, cv2, os

SEED = 42

def reseed_every_thread():
    random.seed(SEED)
    np.random.seed(SEED)
    torch.manual_seed(SEED)
    cv2.setRNGSeed(SEED)        # OpenCV RNG 고정
    os.environ["MKL_NUM_THREADS"] = "1"
    os.environ["OPENBLAS_NUM_THREADS"] = "1"

# ThreadPool 실행부
result = await loop.run_in_executor(
    None,  # default pool
    lambda: _worker_with_reseed(img, ref)
)