model
最后更新
luxonis_train.config.predefined_models.classification.v1.model分类模型。类
ClassificationModel
吞吐量:: 384x512 时的每秒帧数。light: RVC2 上 46,RVC4 上 176heavy: RVC2 上 5,RVC4 上 134
注意事项
F1Score、Accuracy 和 Recall 封装了
torchmetrics 并从 metrics_params 读取 task 键。当图像可以包含多个类别时,将其设置为 "multilabel"。如果没有 task 和 num_labels,度量标准将为单个类别采用 "binary",否则采用 "multiclass",并记录警告。CrossEntropyLoss 使用 argmax 将多热目标减少到一个类别。对于多标签数据,还要将 loss 设置为 BCEWithLogitsLoss 等损失。示例
配置的
model 部分:Yaml
1model:
2 predefined_model:
3 name: ClassificationModel
4 params:
5 variant: light组件::- 节点:ResNet -> ClassificationHead
- 损失:CrossEntropyLoss
- 度量:
- 可视化工具:ClassificationVisualizer
- 主要度量:F1Score
- 变体:
lightheavy
方法
init
Python
1def __init__(**kwargs):typechecked 装饰器在运行时检查它们的类型。注意事项
backbone_params、neck_params 或 head_params 中的 freezing 键包含该节点的 FreezingConfig,可以是实例或其字段的字典。没有 active 的字典会冻结节点。nodes 在构建配置时会删除该键。backbone: 注册骨干节点的类名。backbone_variant: 骨干的变体。None构建没有变体参数的骨干。head: 注册头节点的类名。head_variant: 头的变体。None构建没有变体参数的头。neck: 注册颈节点的类名。None将头连接到骨干。neck_variant: 颈的变体。None构建没有变体参数的颈。loss: 注册损失的类名。模型将其以1.0的权重附加到头。metrics: 附加到头的注册度量的类名。字符串命名一个度量。None不附加度量。main_metric: 标记为主度量的度量。训练器将此度量的最高值检查点保存在best_val_metric中。None采用metrics中的唯一名称,或者当metrics为空时不采用任何度量。不在metrics中的名称不标记任何度量。当配置中没有度量被标记时,ModelConfig.check_main_metric 标记第一个。visualizer: 附加到头的注册可视化工具的类名。None不附加可视化工具。confusion_matrix_available: 头是否支持 ConfusionMatrix 度量。子类为其头设置它。backbone_params: 骨干的构造函数参数。freezing键不会到达构造函数。请参阅注意事项。neck_params: 颈的构造函数参数,具有相同的freezing键。use_neck: 构建颈。即使设置了neck,False也会省略颈,并且头从骨干读取。head_params: 头的构造函数参数,具有相同的freezing键。loss_params: 损失的构造函数参数。metrics_params:metrics中每个度量接收的构造函数参数。enable_confusion_matrix添加的ConfusionMatrix度量不接收它们。visualizer_params: 可视化工具的构造函数参数。enable_confusion_matrix: 将ConfusionMatrix度量附加到头,不带主度量标志。当confusion_matrix_available为False时,它不起作用。confusion_matrix_params:ConfusionMatrix度量的构造函数参数。task_name: 头读取的数据集任务。它成为头节点的task_name。torchmetrics_task:metrics中每个度量接收的torchmetrics_task键的值。None不添加键。该键进入metrics_params,因此非空的metrics_params字典会原地更改。此包中的任何度量都不读取该键。TorchMetricWrapper 度量读取task并将torchmetrics_task传递给torchmetrics,这会引发ValueError。请改为在metrics_params中为它们设置task。per_class_metrics:metrics中每个度量接收的per_class_metrics键的值。None不添加键。当 LuxonisLightningModule 构建度量时,该键成为度量类声明的每个类参数。当类未声明任何参数时,模块会删除该键并记录警告。finetuning: 每个组件的微调条目。每个字典都成为该节点的 FinetuningConfig。**kwargs
ValueError: 当main_metric为None且metrics命名多个度量时。
get_variants
Python
1def get_variants() -> tuple[str, dict[str, Params]]:light。两个变体都将 backbone 设置为 "ResNet"。它们在 backbone_variant 上有所不同:light 为 "18",heavy 为 "50"。示例
Pycon
1>>> default, variants = ClassificationModel.get_variants()
2>>> default
3'light'
4>>> variants["heavy"]
5{'backbone': 'ResNet', 'backbone_variant': '50'}tuple[str, dict[str, Params]]:"light"和两个变体及其构造函数参数。