此页面由 AI 自动翻译。查看英文原版
Claude CodeCodexCursor
Luxonis 智能体工具包为你常用的编程智能体加载 Luxonis 上下文与技能,更快地基于 OAK 开发应用。
安装工具包

LuxonisML

概述

LuxonisML 是 Luxonis 机器学习堆栈的核心库。它定义了 Luxonis 数据格式 (LDF),并提供了 LuxonisTrain 等工具使用的共享数据、跟踪、模型存档、遥测和实用程序层。其主要功能包括:
  • 使用 LuxonisDataset 创建、管理、同步和导出 LDF 数据集
  • 使用 LuxonisParser 将支持的第三方数据集格式转换为 LDF
  • 通过 LuxonisLoader 加载图像、标签和样本元数据,并可选择进行增强
  • 通过通用跟踪 API 将实验记录到 TensorBoard、Weights & Biases 和 MLflow
  • 创建和检查 NN 存档
  • 通过通用文件系统实用程序处理本地文件、Google Cloud Storage 和 S3 兼容存储

安装

LuxonisML 需要 Python 3.10 或更高版本。安装 data 额外功能以获取这些指南涵盖的数据集、解析器、加载器和增强 API:
Command Line
1python -m pip install "luxonis-ml[data]"
仅安装应用程序所需的额外功能:
额外功能增加对以下功能的支持
ldfLDF 注释模式
data数据集、解析器、加载器、增强功能和 LDF
tracker实验跟踪 API;各个后端可能需要额外的包
telemetryPostHog 遥测后端
nn_archiveNN 存档实用程序
utils配置、文件系统、日志记录和注册表实用程序
gcsGoogle Cloud Storage
s3S3 兼容存储
roboflowRoboflow 数据集下载
mlflowMLflow 跟踪和工件存储
all所有已发布的额外功能
例如,使用以下命令安装数据模块以及明确的 Roboflow 和 Google Cloud Storage 支持:
Command Line
1python -m pip install "luxonis-ml[data,roboflow,gcs]"
tracker 额外功能提供共享跟踪依赖项。根据所选后端的要求,安装用于 MLflow 的 luxonis-ml[mlflow] 和 opencv-python,用于 TensorBoard 的 torch,或用于 Weights & Biases 的 wandb。有关后端配置,请参阅 跟踪器 API 参考。

快速入门

使用命令行界面将支持的数据集转换为 LDF:
Command Line
1luxonis_ml data parse path/to/dataset --name my_dataset
2luxonis_ml data info my_dataset
3luxonis_ml data inspect my_dataset
解析器从其目录结构中检测源格式。当结构不明确或一个布局可以表示多种任务类型时,传递 --type。在 Python 中加载一个拆分:
Python
1from luxonis_ml.data import LuxonisDataset, LuxonisLoader
2
3dataset = LuxonisDataset("my_dataset")
4loader = LuxonisLoader(dataset, view="train")
5
6for sample in loader:
7    images = sample.images
8    labels = sample.labels
9    metadata = sample.metadata
sample.images 始终是一个以源名称为键的字典。标准单图像记录使用 "image" 键。标签键使用 "task_name/task_type" 约定,例如 "detection/boundingbox"。

指南和参考

创建和管理数据集

添加 LDF 记录、定义拆分、同步存储、克隆、合并和导出数据集。
打开 LuxonisDataset 指南

转换现有数据集

将本地、云托管、Roboflow 和 Ultralytics 数据集解析为 LDF。
打开 LuxonisParser 指南

加载和增强数据

读取图像、标签和元数据,并配置基于 Albumentations 的管道。
打开 LuxonisLoader 指南
使用 LuxonisML API 参考 获取完整的类签名、注释模式、返回类型和低级扩展点。