在 HubAI 上使用自定义模型
注意：此工作流不要从 Viewer 开始
OAK Viewer 和默认可视化工具适用于尝试内置模型、检查流以及调整可视化或深度设置。它们不是验证自定义 HubAI 模型工作流的可编辑路径。为此，请从
oak-examples 开始，这样您可以控制模型引用、认证和输出处理。本教程的适用场景
此流程最适合那些可通过
generic-example 应用运行的模型：即具有兼容解析器路径的单图像输入模型。如果您的模型需要自定义后处理或多个输出头，请先使用本教程验证转换，然后转到自定义示例或应用。1. 准备并上传模型
选择正确的上传格式
对于自定义 YOLO 模型，请使用 YOLO 上传路径配合 PyTorch (
.pt) 权重。对于大多数其他自定义模型，请导出为 ONNX 并使用 自定义 上传路径。ONNX 是非 YOLO 模型的通用交换格式，通常保留原始架构，而 YOLO 特定路径则标准化输出以便原生解析和更多设备端后处理。更多详情请参见 转换为 ONNX。2. 在 HubAI 中转换模型
- 一个附加到现有 HubAI 模型条目的已转换模型实例
- 一个可复制的 HubAI 模型引用，您可以将其传递给
generic-example
oak-examples 引用它。之后，从模型注册表页面复制模型引用，如 上传/下载 所示。快速转换仍然可用
快速转换 仍然适用于一次性任务，尤其是当您希望在一个地方上传、转换和下载模型时。在本教程中，它不是主要路径，因为模型已经上传到 HubAI。
3. 创建团队 API 密钥
generic-example，建议在运行时通过 DEPTHAI_HUB_API_KEY 设置密钥，而不是硬编码在源文件中。推荐的密钥处理模式记录在 API 密钥良好实践 中。4. 运行 generic-example 并检查输出
--model 传递一个 HubAI 模型引用，对于私有模型，它可以从 DEPTHAI_HUB_API_KEY 或 --api_key 读取密钥。Command Line
1git clone --depth 1 --branch main https://github.com/luxonis/oak-examples.git
2cd oak-examples/neural-networks/generic-example
3python3 -m venv venv
4source venv/bin/activate
5pip install -r requirements.txt
6export DEPTHAI_HUB_API_KEY="<YOUR_TEAM_API_KEY>"
7python3 main.py --model "<YOUR_MODEL_REFERENCE>"python 代替 python3，使用 venv\\Scripts\\activate 激活虚拟环境，并使用 set DEPTHAI_HUB_API_KEY=<YOUR_TEAM_API_KEY> 设置变量。当脚本成功启动时，它会从 HubAI 下载模型，创建管道，并在本地可视化会话中提供查看器指令。使用该会话确认设备上的模型输出正确。常见变体：- 添加
--overlay_mode用于数组输出，例如分割或类似深度的地图。 - 添加
--media_path <PATH_TO_IMAGE_OR_VIDEO>如果您希望测试文件而不是实时相机输入。 - 如果您不希望导出
DEPTHAI_HUB_API_KEY，可以传递--api_key "<YOUR_TEAM_API_KEY>"。