我们准备了几个Jupyter Notebook教程，以说明如何在我们的生态系统中训练AI模型。您可以在GitHub上的ai-tutorials仓库中找到它们。最简单的试用方式是使用Google Collaboratory，其中所有笔记本都已加载并准备好运行。Google Collaboratory允许您使用其快速的GPU实例，在某些情况下甚至可以使用Google TPU（取决于训练框架的依赖关系）。或者，您也可以使用自己的资源在本地运行这些教程。我们将教程分为两组：一组使用我们的Luxonis Train库，另一组使用不同的训练库（另请查看Ultralytics集成文档）。我们的主要目标是提供全面的教程，涵盖在DepthAI设备上训练神经网络的常见用例。我们的教程涵盖以下任务：图像分类
图像分类是将预定义标签或类别分配给整个输入图像的任务。Luxonis Train教程其他教程 目标检测
目标检测涉及识别并定位图像中的多个对象，并在其周围提供边界框。Luxonis Train教程其他教程 语义分割
语义分割涉及将图像中的像素分类到预定义类别中，而不区分同一类的不同实例。Luxonis Train教程其他教程 实例分割
实例分割扩展了语义分割，通过区分同一对象类的单个实例并为每个实例提供逐像素掩码。Luxonis Train教程其他教程 实例姿态
实例姿态检测结合了目标检测和关键点检测，通过定位单个对象并分别预测每个实例的关键点。其他教程 
