此页面由 AI 自动翻译。查看英文原版
最后更新

本页目录

  • ONNX 导出
  • Python API
  • NN 档案
  • Python API
  • 平台转换
  • CLI
  • Python API
  • 训练后导出
  • AIMET 量化
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
LuxonisTrain 将训练好的模型导出为 ONNX 格式,将其打包成 NN 档案,并通过 Hub AI 将其转换为目标平台。导出命令可以使用存储在 LuxonisTrain 检查点中的配置和数据集元数据,而无需访问原始数据集。

ONNX 导出

从 CLI 导出检查点:
Command Line
1luxonis_train export \
2  --weights path/to/checkpoint.ckpt \
3  --save-path exported
要单独提供配置,请添加 --config config.yaml。在 exporter.onnx 下配置 ONNX 选项:
Yaml
1exporter:
2  name: my_model
3  onnx:
4    opset_version: 16
5    disable_onnx_simplification: false
默认的 ONNX opset 是 16,并且启用了图简化。如果没有 --save-path,输出将进入运行的 export/ 目录。文件名使用 exporter.name,或者在未设置导出名称时使用 model.name。对于单输入模型,导出还会将 ModelConverter YAML 配置写入 ONNX 文件旁边。

Python API

Python
1from luxonis_train import LuxonisModel
2
3model = LuxonisModel(
4    weights="path/to/checkpoint.ckpt",
5    allow_empty_dataset=True,
6)
7onnx_path = model.export(save_path="exported")
将权重传递给构造函数,以便在初始化期间可以使用检查点的模型配置和数据集元数据。export() 返回输出路径。exporter.upload_to_run 控制将导出工件上传到跟踪器,exporter.upload_url 指定一个额外的上传目的地。ONNX 导出不运行平台转换。使用 convert 应用 exporter.hubai 或 exporter.blobconverter 设置。

NN 档案

NN 档案 将可执行文件与描述输入、输出、预处理和模型头部的元数据打包在一起。LuxonisTrain 创建一个基于 ONNX 的 .tar.xz 档案:
Command Line
1luxonis_train archive --weights path/to/checkpoint.ckpt
要打包您已从该模型导出的 ONNX 文件,请传递 --executable path/to/model.onnx。提供的可执行文件必须与模型配置匹配。如果没有,独立的 CLI 调用将首先导出 ONNX。

Python API

Python
1from luxonis_train import LuxonisModel
2
3model = LuxonisModel(
4    weights="path/to/checkpoint.ckpt",
5    allow_empty_dataset=True,
6)
7onnx_path = model.export(save_path="exported")
8archive_path = model.archive(path=onnx_path, save_dir="exported")
在 Python 中,不带路径的 archive() 会重用实例最近的 ONNX 导出,或者在需要时导出一个。它返回档案路径。配置命名和上传与 ONNX 导出分开:
Yaml
1archiver:
2  name: my_model
3  upload_to_run: true
默认目的地是运行的 archive/ 目录。档案名称使用 archiver.name 或 model.name,后跟 .onnx.tar.xz。设置 archiver.upload_url 以获取额外的上传目的地。预处理元数据在提供时使用 exporter.mean_values 和 exporter.scale_values。否则,它从 trainer.preprocessing.normalize 派生它们。使这些值与用于训练模型的预处理保持一致。

平台转换

convert 导出 ONNX,创建 NN 档案,并运行启用的转换后端。通过 Hub AI 在您的配置中启用转换:
Yaml
1exporter:
2  hubai:
3    active: true
4    platform: rvc4
在环境中设置 HUBAI_API_KEY。支持的平台是 rvc2、rvc3 和 rvc4。转换将模型上传到 Hub AI 模型注册表 并下载转换后的 NN 档案。exporter.hubai.params 将附加选项传递给 SDK 的转换调用。

CLI

Command Line
1luxonis_train convert \
2  --config config.yaml \
3  --weights path/to/checkpoint.ckpt \
4  --save-dir converted
您还可以在使用检查点配置的同时通过覆盖启用后端:
Command Line
1luxonis_train convert --weights path/to/checkpoint.ckpt \
2  exporter.hubai.active true \
3  exporter.hubai.platform rvc4

Python API

Python
1from luxonis_train import LuxonisModel
2
3model = LuxonisModel(
4    "config.yaml",
5    weights="path/to/checkpoint.ckpt",
6    allow_empty_dataset=True,
7)
8archive_path, conversion_artifacts = model.convert(save_dir="converted")
archive_path 是基于 ONNX 的 NN 档案。conversion_artifacts 在 Hub AI 转换运行时包含 hubai_archive,在 BlobConverter 转换运行时包含 blob。如果未启用转换后端,convert 仍会生成 ONNX 及其 NN 档案,并且字典为空。exporter.blobconverter.active 启用 BlobConverter 输出;其设置包括 shaves 和 OpenVINO version。使用 Hub AI 后端进行平台转换工作流。

训练后导出

ConvertOnTrainEnd 结合了导出、归档和启用的平台转换。除非已存在同名回调,否则会自动将其添加到训练器中。它使用选定的训练检查点。您可以单独配置 ExportOnTrainEnd 用于 ONNX 导出或 ArchiveOnTrainEnd 用于档案生成。当单独使用这些回调时,请明确禁用 ConvertOnTrainEnd。如果与它们一起明确配置了活动的 ConvertOnTrainEnd,配置验证将停用其他两个以避免重复工作。有关控制回调激活的信息,请参阅 自动配置和回调。

AIMET 量化

安装 AIMET 额外组件以运行量化:
Command Line
1python -m pip install 'luxonis-train[aimet]'
量化需要一个工作数据集用于校准和评估。设置位于 exporter.aimet 下,例如:
Yaml
1exporter:
2  aimet:
3    default_output_bw: 8
4    default_param_bw: 8
5    max_calibration_images: 100
6    epochs: 5
Command Line
1luxonis_train quantize --config config.yaml --weights path/to/checkpoint.ckpt
Python
1from luxonis_train import LuxonisModel
2
3model = LuxonisModel("config.yaml", weights="path/to/checkpoint.ckpt")
4output_dir = model.quantize()
该工作流评估浮点模型,对验证图像进行训练后量化校准,对训练视图进行量化感知训练,并评估结果。它将量化后的 ONNX 模型和 NN 档案写入运行的 aimet/ 目录下。Python 方法返回该输出目录。