此页面由 AI 自动翻译。查看英文原版
最后更新

本页目录

  • 类
  • AIMETCallback
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

aimet_callback

最后更新
Python API: luxonis_train.callbacks.aimet_callback训练结束时运行 AIMET 量化。

类

AIMETCallback

训练结束时使用 AIMET 量化模型。回调将最佳检查点传递给 LuxonisModel.quantize。该方法运行训练后量化和量化感知训练。它将量化后的 ONNX 模型及其 NN Archive 写入 <run_save_dir>/aimet。配置的 exporter.aimet 部分包含选项。当设置 exporter.aimet.active 时,LuxonisLightningModule.configure_callbacks 会添加此回调。配置不必列出它。设置该标志后,trainer.callbacks 中的条目会添加第二个实例,并且这两个实例会两次量化模型。高级技术很慢。 仅 AdaRound 就可能需要 40 分钟到几个小时。时间取决于数据集和模型的大小。

方法

init
Python
1def __init__(**kwargs):
初始化回调。参数
  • **kwargs: 转发给 NeedsCheckpoint 的关键字参数。preferred_checkpoint 值 "loss" 选择损失检查点。任何其他值选择度量检查点。任何其他键都会引发 TypeError。
on_train_end
Python
1def on_train_end(_: pl.Trainer, pl_module: lxt.LuxonisLightningModule):
从最佳检查点量化模型。当 trainer.fit 结束时,Lightning 会调用此钩子一次。该钩子使用 NeedsCheckpoint.get_checkpoint 选择一个检查点,并将其与 exporter.aimet 的选项一起传递给 LuxonisModel.quantize。当不存在检查点时,量化仍会在 pl_module.core.lightning_module 的当前权重上运行。量化在模块的深层副本上工作,因此模块保留其权重。参数
  • _ (pl.Trainer): 训练器。未使用。
  • pl_module (lxt.LuxonisLightningModule): 要量化的模型。