此页面由 AI 自动翻译。查看英文原版
最后更新

本页目录

  • 启用后端
  • 日志记录 API
  • MLflow 注意事项
  • 子页面
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
最后更新
Python API: luxonis_ml.trackerLuxonis ML 工作流的实验跟踪门面。luxonis_ml.tracker 包导出了 LuxonisTracker,这是一个用于 TensorBoard、Weights & Biases 和 MLflow 的统一日志接口。训练和评估代码可以通过一个 API 记录指标、超参数、图像、矩阵和工件,同时在运行时选择启用的后端。在分布式训练中传递 rank。受 rank 限制的日志记录方法,例如 LuxonisTracker.log_metric,仅在 rank 0 上写入。保存或重放本地缓冲区的辅助函数不检查 rank。目录

启用后端

每个后端都有自己的标志。在一个运行中根据需要打开任意数量的后端:
Python
1from luxonis_ml.tracker import LuxonisTracker
2
3tracker = LuxonisTracker(
4    project_name="my-project",
5    run_name="baseline",
6    is_tensorboard=True,
7    is_wandb=True,
8    wandb_entity="my-entity",
9)
10
11tracker.log_hyperparams({"lr": 1e-3, "batch_size": 32})
12tracker.log_metrics({"acc": 0.92, "loss": 0.18}, step=1)
13tracker.upload_artifact("model.onnx", name="model", typ="model")
14tracker.close()
两个后端需要一个额外的参数,如果没有它,构造函数会引发 ValueError:后端参数
标志还需要
is_tensorboard无。写入器使用 <save_directory>/tensorboard_logs/<run_name>。一个 sweep 运行会添加一个 trial_<n> 级别。
is_wandbwandb_entity,以及 project_name 或 project_id。
is_mlflowmlflow_tracking_uri,以及 project_name 或 project_id。

日志记录 API

LuxonisTracker 将这些调用中的每一个发送到支持它的每个已启用后端:TensorBoard 不接受工件,因此 LuxonisTracker.upload_artifact 仅到达 Weights & Biases 和 MLflow。LuxonisTracker.close 不调用任何后端。当您启用 MLflow 时,它会将未发送的 MLflow 缓冲区写入磁盘。图像是形状为 (H, W, C) 的 numpy 数组。

MLflow 注意事项

MLflow 在首次访问 LuxonisTracker.experiment 时启动。失败的 MLflow 调用不会引发异常。跟踪器会缓冲有效负载并在下一次成功调用后重试。LuxonisTracker.close 将仍未清空的缓冲区写入 <save_directory>/<run_name> 下:
  • local_logs.json 包含指标、参数、矩阵以及保存图像和工件的索引;
  • images/ 包含缓冲的图像;
  • artifacts/ 包含每个缓冲工件的副本,其源文件仍然存在。
为 Cloudflare Access 后面的 MLflow 服务器设置 MLFLOW_CLOUDFLARE_ID 和 MLFLOW_CLOUDFLARE_SECRET。在您的应用程序中注册 LuxonisRequestHeaderProvider,因为 LuxonisML 没有为其声明 MLflow 入口点。

子页面