base_head
最后更新
luxonis_train.nodes.heads.base_head所有头的基类。头是具有任务和导出解析器的节点。任务决定了哪些损失、指标和可视化工具可以附加到头。解析器名称与头的类名一起进入 NN Archive。类
BaseHead
task 类属性。带有导出解析器的子类还设置 parser 类属性。子类可以重写 get_custom_head_config 以向其解析器提供更多值,并重写 annotate 以支持默认注释不支持的任务。方法
annotate
Python
1def annotate(head_output: Packet[Tensor], image_paths: list[Path], config_preprocessing: PreprocessingConfig) -> DatasetIterator:head_output(Packet[Tensor]): 一个批次的头输出包。image_paths(list[Path]): 原始图像的路径,按批次顺序排列。config_preprocessing(PreprocessingConfig): 用于将预测映射回图像的预处理设置。
DatasetIterator: 注释记录的生成器。
get_custom_head_config
Python
1def get_custom_head_config(self) -> Params:"metadata" 字典中。基本实现返回一个空字典。返回Params: 附加的元数据键及其值。
get_head_config
Python
1def get_head_config(self) -> dict[str, Any]:parser 类属性、BaseNode.class_names 和头的 BaseNode.n_classes 开始。然后它将 get_custom_head_config 的结果合并到 "metadata" 字典中。自定义键替换同名的基本键。LuxonisModel.archive 为每个 remove_on_export 为 False 的头调用此方法。然后它添加 "name" 和 "outputs" 键。类名始终来自 dataset_metadata。如果没有它,BaseNode.class_names 会引发 RuntimeError。当数据集中没有名为 task_name 的任务时,它会引发 ValueError。示例
Pycon
1>>> from torch import Size
2>>> from luxonis_train.nodes import ClassificationHead
3>>> from luxonis_train.utils import DatasetMetadata
4>>> head = ClassificationHead(
5... task_name="animals",
6... dataset_metadata=DatasetMetadata(
7... classes={"animals": {"cat": 0, "dog": 1}}
8... ),
9... input_shapes=[{"features": [Size([1, 8, 4, 4])]}],
10... )
11>>> head.get_head_config()
12{'parser': 'ClassificationParser',
13 'metadata': {'classes': ['cat', 'dog'], 'n_classes': 2,
14 'is_softmax': False}}dict[str, Any]: 包含键"parser"和"metadata"的字典。"metadata"字典包含"classes"、"n_classes"和自定义键。
属性
parser
""。