此页面由 AI 自动翻译。查看英文原版
最后更新

本页目录

  • 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

attached_modules

最后更新
Python API: luxonis_train.attached_modules附加到节点的损失、指标和可视化工具。附加模块读取一个节点的输出包和批次的标签。BaseLoss、BaseMetric 和 BaseVisualizer 是这三种类的基类。BaseAttachedModule 是所有这三种类的基类。配置在节点的 losses、metrics 和 visualizers 键下,列出了节点的模块。forward 的参数名称,或指标的 update 的参数名称,选择输入。例如,predictions 获取节点任务的主要预测,target 获取任务的唯一标签。BaseAttachedModule.get_parameters 给出了所有规则。有关标签格式,请参阅 luxonis_train.loaders。预测包在评估中使用以下形状:
  • 分类:[B, n_classes] logits。
  • 分割和异常检测:[B, C, H, W] logits。
  • 嵌入:[B, D]。
  • OCR:[B, T, n_classes] logits。
  • 边界框:每张图像一个 [M_i, 6] 张量,行格式为 [x1, y1, x2, y2, score, class](像素)。
  • 关键点:每张图像一个 [M_i, n_keypoints, 3] 张量,格式为 (x, y, confidence)(像素)。
  • 实例掩码:每张图像一个 [M_i, H, W] 张量。
  • FOMO:[B, n_classes, H_f, W_f] 热图 logits。
检测头在训练期间跳过非极大值抑制,因此它们的包尚不包含最终的框、关键点或实例掩码。头文件记录了它们的包键;luxonis_train.loaders 记录了匹配的标签格式。

子页面