# export_on_train_end

Python API: `luxonis_train.callbacks.export_on_train_end`

训练结束时将模型导出为 ONNX。

## 类

### ExportOnTrainEnd

训练结束时将模型导出为 ONNX。

回调函数导出最佳检查点。[NeedsCheckpoint](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/callbacks/needs_checkpoint.md)
的 `preferred_checkpoint` 参数选择最佳主要指标或最低验证损失。

回调函数不构建 NN Archive，也不为设备转换模型。使用
[ConvertOnTrainEnd](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/callbacks/convert_on_train_end.md)
完成所有三个步骤。当 `trainer.callbacks` 列出活动的
[ConvertOnTrainEnd](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/callbacks/convert_on_train_end.md)
时，配置会停用此回调。`trainer.smart_cfg_auto_populate` 添加的
[ConvertOnTrainEnd](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/callbacks/convert_on_train_end.md)
不会停用它。

#### 方法

##### on_train_end

```python
def on_train_end(_: pl.Trainer, pl_module: lxt.LuxonisLightningModule):
```

将最佳检查点导出为 ONNX。

当 `trainer.fit` 结束时，Lightning 会调用此钩子一次。钩子使用
[NeedsCheckpoint.get_checkpoint](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/callbacks/needs_checkpoint.md)
选择一个检查点，并将其传递给
[LuxonisModel.export](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/core/core.md)。该方法将
`<name>.onnx` 写入 `<run_save_dir>/export`，其中 `<name>` 是 `exporter.name` 或 `model.name`。对于具有一个输入的模型，它还会写入 `modelconverter` 配置
`<name>.yaml`。当设置 `exporter.upload_to_run` 时，它会将这些文件上传到运行。当不存在检查点时，钩子会记录警告并且不导出任何内容。

导出仅将检查点加载到 `pl_module` 中用于导出。钩子之后，`pl_module` 会再次保留其先前的权重。

参数

 * `_` (`pl.Trainer`): 训练器。未使用。
 * `pl_module` (`lxt.LuxonisLightningModule`): 要导出的模型。
