最后更新
ONNX 导出
Command Line
1luxonis_train export \
2 --weights path/to/checkpoint.ckpt \
3 --save-path exported--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--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")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
.tar.xz 档案:Command Line
1luxonis_train archive --weights path/to/checkpoint.ckpt--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")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: truearchive/ 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: rvc4HUBAI_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 convertedCommand Line
1luxonis_train convert --weights path/to/checkpoint.ckpt \
2 exporter.hubai.active true \
3 exporter.hubai.platform rvc4Python 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
Command Line
1python -m pip install 'luxonis-train[aimet]'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: 5Command Line
1luxonis_train quantize --config config.yaml --weights path/to/checkpoint.ckptPython
1from luxonis_train import LuxonisModel
2
3model = LuxonisModel("config.yaml", weights="path/to/checkpoint.ckpt")
4output_dir = model.quantize()aimet/ 目录下。Python 方法返回该输出目录。