此页面由 AI 自动翻译。查看英文原版
最后更新

本页目录

  • 类
  • MetadataLogger
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

metadata_logger

最后更新
Python API: luxonis_train.callbacks.metadata_logger将选定的配置值记录为超参数,并将其保存到 metadata.yaml。

类

MetadataLogger

回调,将选定的配置值记录为超参数。当训练开始时,回调从配置中读取 hyperparams 的每个键。它使用模型的记录器记录这些值,并将它们保存到模型保存目录中的 metadata.yaml。回调位于 CALLBACKS 注册表中,因此配置可以添加它:
Yaml
1trainer:
2  callbacks:
3    - name: MetadataLogger
4      params:
5        hyperparams: ["trainer.epochs", "trainer.batch_size"]

方法

init
Python
1def __init__(hyperparams: list[str]):
初始化回调。参数
  • hyperparams (list[str]): 要记录的配置键。键的级别用点分隔,例如 "trainer.epochs"。列表的级别是整数索引,例如 "model.nodes.0.name"。
on_fit_start
Python
1def on_fit_start(_: pl.Trainer, pl_module: lxt.LuxonisLightningModule):
记录并保存选定的配置值。Lightning 在训练开始时调用此钩子。钩子使用 cfg.get 读取 hyperparams 的每个键。配置中不存在的键将返回 None。如果列表的级别不是整数,cfg.get 会引发 ValueError。钩子将键值字典传递给 pl_module.logger 的 log_hyperparams。然后,它使用 yaml.safe_dump 将字典写入 pl_module.save_dir 中的 metadata.yaml,并替换现有文件。如果值不是纯 YAML 类型(例如嵌套配置部分),yaml.safe_dump 会引发 yaml.representer.RepresenterError。参数
  • _ (pl.Trainer): 训练器。未使用。
  • pl_module (lxt.LuxonisLightningModule): 模型。它提供配置、记录器和保存目录。