此页面由 AI 自动翻译。查看英文原版
最后更新

本页目录

  • 子页面
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
最后更新
Python API: luxonis_train.strategies拥有优化调度器的训练策略。策略将参数组规则添加到模型参数的分区,并且可以在每一步更改其自己的组。该包提供了 TripleLRSGDStrategy。它运行 SGD,带有预热和学习率的余弦或线性衰减。
  • 编写自定义策略: 子类化 BaseTrainingStrategy 并实现以下方法:
    • rules() 按顺序返回规则。每个 StrategyRule 都有一个 tag、一个 (module, module_name, parameter, parameter_name) 上的 selector、一个 OptimizerConfig 和一个可选的 SchedulerConfig。没有调度器的规则使用基本调度器。
    • get_base_configs() 返回基本优化器配置和基本调度器配置。节点的 finetuning 条目将其覆盖合并到其中,并且默认规则使用它们。
    • update_parameters() 是可选的。TrainingManager 在每次反向传播之后、优化器步进之前调用它。通过 attach() 为规则标签存储的句柄访问组:self.runtime.group(handle)["lr"] = ...。 resolve_training_plan 在每个节点的 finetuning 条目之后和默认规则之前评估策略规则。因此,节点条目获胜,并且策略未声明的每个参数仍然会获得一个优化器。 具有相同优化器名称和相同调度器配置的规则共享一个内部优化器,每个规则有一个参数组。如果有一个以上的内部优化器,一个 CompositeOptimizer 驱动它们,因此训练保持在 Lightning 的自动优化中。
以前 configure_optimizers() API 的策略仍然有效,直到下一个次要版本发布。luxonis_train.lightning.utils.build_training_strategy 会记录一个弃用警告,并将此类策略包装在 LegacyStrategyAdapter 中。要移植策略,请将其参数拆分表示为 rules(),并将其每步逻辑移动到 update_parameters()。

子页面