LuxonisML
概述
- 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
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]"| 额外功能 | 增加对以下功能的支持 |
|---|---|
ldf | LDF 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 |
telemetry | PostHog 遥测后端 |
nn_archive | NN 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 |
gcs | Google Cloud Storage |
s3 | S3 兼容存储 |
roboflow | Roboflow 数据集下载 |
mlflow | MLflow 跟踪和工件存储 |
all | 所有已发布的额外功能 |
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
Command Line
1luxonis_ml data parse path/to/dataset --name my_dataset
2luxonis_ml data info my_dataset
3luxonis_ml data inspect my_dataset--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.metadatasample.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"。