数据准备
最后更新
LuxonisLoaderTorch 读取 LuxonisDataset。它可以通过名称打开现有数据集,或使用 LuxonisParser 解析源目录。数据目录
dataset_dir 指向支持格式的目录、ZIP 文件或远程数据集源。dataset_name 命名解析后的 LuxonisDataset:Yaml
1loader:
2 name: LuxonisLoaderTorch
3 params:
4 dataset_dir: /path/to/dataset
5 dataset_name: my_dataset
6 delete_existing: falsedataset_type。有关支持的布局和格式,请参阅 LuxonisParser。当设置 dataset_dir 时,delete_existing 默认为 true:具有相同名称的现有本地数据集将被删除,并再次解析源。将其设置为 false 以重用现有数据集而无需再次解析目录。准备好数据集后,您可以省略 dataset_dir 并仅通过 dataset_name 选择它。远程源在解析前下载到工作目录中的 data/。例如,要从 Roboflow 加载 COCO 格式的导出:Yaml
1loader:
2 params:
3 dataset_name: coco_test
4 dataset_dir: "roboflow://team-roboflow/coco-128/2/coco"
5 delete_existing: falseROBOFLOW_API_KEY。其 URL 格式为 roboflow://workspace/project/version/format。云路径(例如 s3://bucket/path 和 gs://bucket/path)需要凭据和对所选后端的 filesystem 支持。现有 LuxonisDataset
Yaml
1loader:
2 params:
3 dataset_name: my_dataset
4 bucket_storage: localbucket_storage 接受 local、s3、gcs 或 azure。对于远程数据集,update_mode: missing 仅下载本地不存在的媒体文件;update_mode: all 再次下载所有媒体文件。注释和元数据在这两种模式下都会同步。使用 team_id 选择数据集的团队,或在环境中设置 LUXONISML_TEAM_ID。数据集视图
Yaml
1loader:
2 train_view: [train]
3 val_view: [validation]
4 test_view: [test]
5 params:
6 dataset_name: my_dataset--view val)选择配置的验证视图,即使其底层拆分名为 validation。在衡量模型性能时,将验证和测试数据与训练数据分开。任务和标签
task_name。使用 loader.params.filter_task_names 加载任务子集,使用 class_order_per_task 设置类顺序,或使用 kpts_mapping_per_task 重新映射关键点。检查数据集
Command Line
1luxonis_train inspect --config config.yaml --view train --list-augmentationsCommand Line
1luxonis_train inspect \
2 --model detection --variant light \
3 --view val \
4 loader.params.dataset_name "my_dataset"q 或 Esc 关闭。显示时禁用归一化。--list-augmentations 列出应用于每个样本的跟踪增强;使用 -s 0.5 以半尺寸显示。此命令需要图形环境。在 trainer.preprocessing 下配置图像大小、归一化和增强,如 训练 中所述。自定义加载器
BaseLoaderTorch 并实现 input_shapes、__len__、__getitem__ 和 get_classes。具有关键点标签的加载器还实现 get_n_keypoints。如果您的标签需要自定义批处理,请覆盖 collate_fn。将 loader.name 设置为子类名称,并在 loader.params 中传递其参数。在创建模型之前导入类,或使用 --source 加载其文件,如 自定义 中所述。