此页面由 AI 自动翻译。查看英文原版
最后更新

本页目录

  • 类
  • ConvertOnTrainEnd
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

convert_on_train_end

最后更新
Python API: luxonis_train.callbacks.convert_on_train_end在训练结束时导出、归档和转换模型。

类

ConvertOnTrainEnd

在训练结束时导出、归档和转换模型。回调将最佳检查点传递给 LuxonisModel.convert,它按顺序运行以下步骤:
  1. 将模型导出到 ONNX。
  2. 在其周围构建一个 NN 归档。
  3. 当 exporter.blobconverter.active 为 true 时运行 blobconverter。
  4. 当 exporter.hubai.active 为 true 时运行 HubAI SDK 转换。
NeedsCheckpoint 的 preferred_checkpoint 参数选择最佳主要指标或最低验证损失。优先使用此回调而不是单独的 ExportOnTrainEnd 和 ArchiveOnTrainEnd,它们共同只执行前两个步骤。当 trainer.callbacks 列出此回调的活动实例时,配置会停用这两个回调。当设置 trainer.smart_cfg_auto_populate 时,如果 trainer.callbacks 中缺少此回调,则配置会将其添加到 trainer.callbacks。配置在停用步骤之后添加它,因此添加的实例会使其他两个保持活动状态。

方法

on_train_end
Python
1def on_train_end(trainer: pl.Trainer, pl_module: lxt.LuxonisLightningModule):
导出、归档和转换最佳检查点。当 trainer.fit 结束时,Lightning 会调用此钩子一次。钩子使用 NeedsCheckpoint.get_checkpoint 选择一个检查点。当没有检查点存在时,它会记录警告并停止。否则,钩子会调用 trainer 进度条的 _stop_progress 方法(如果进度条存在)。对于富进度条,此调用会停止其实时显示,因为转换会显示其自己的进度条。然后,钩子将检查点传递给 LuxonisModel.convert。它不会捕获该方法的错误。转换将检查点加载到 pl_module.core.lightning_module 中,该模块在 LuxonisModel.train 运行中是 pl_module。它仅为导出和归档加载检查点。在钩子之后,该模块会再次持有其先前的权重。参数
  • trainer (pl.Trainer): 训练器。钩子读取其进度条回调。
  • pl_module (lxt.LuxonisLightningModule): 要转换的模型。