|
|
@@ -1,14 +1,16 @@
|
|
|
-# PaddleX GUI使用教程
|
|
|
+# 使用方法
|
|
|
|
|
|
*注:如果你的系统是 Mac OS 10.15.5及以上,在双击客户端icon后,需要在Terminal中执行 sudo xattr -r -d com.apple.quarantine /Users/username/PaddleX ,并稍等几秒来启动客户端,其中 /Users/username/PaddleX 为您保存PaddleX的文件夹路径*
|
|
|
|
|
|
-**第一步:准备数据**
|
|
|
+## 准备和导入数据
|
|
|
|
|
|
-在开始模型训练前,您需要根据不同的任务类型,将数据标注为相应的格式。目前PaddleX支持【图像分类】、【目标检测】、【语义分割】、【实例分割】四种任务类型。不同类型任务的数据处理方式可查看[数据标注方式](https://paddlex.readthedocs.io/zh_CN/latest/appendix/datasets.html)。
|
|
|
+**第一步: 准备数据**
|
|
|
+在开始模型训练前,您需要根据不同的任务类型,将数据标注为相应的格式。目前PaddleX支持【图像分类】、【目标检测】、【语义分割】、【实例分割】四种任务类型。
|
|
|
+开发者可以参考PaddleX使用文档中的[2.数据准备-数据标注](../data/annotations/index.html)来进行数据标注和转换工作。 如若开发者自行准备数据,请注意数据格式与PaddleX支持四种数据格式是否一致。
|
|
|
|
|
|
-
|
|
|
|
|
|
-**第二步:导入我的数据集**
|
|
|
+
|
|
|
+**第二步:导入的据集**
|
|
|
|
|
|
①数据标注完成后,您需要根据不同的任务,将数据和标注文件,按照客户端提示更名并保存到正确的文件中。
|
|
|
|
|
|
@@ -22,7 +24,10 @@
|
|
|
|
|
|

|
|
|
|
|
|
-**第三步:创建项目**
|
|
|
+
|
|
|
+## 创建项目和任务
|
|
|
+
|
|
|
+**第一步:创建项目**
|
|
|
|
|
|
① 在完成数据导入后,您可以点击「新建项目」创建一个项目。
|
|
|
|
|
|
@@ -32,7 +37,7 @@
|
|
|
|
|
|
|
|
|
|
|
|
-**第四步:项目开发**
|
|
|
+**第二步:项目开发**
|
|
|
|
|
|
① **数据选择**:项目创建完成后,您需要选择已载入客户端并校验后的数据集,并点击下一步,进入参数配置页面。
|
|
|
|
|
|
@@ -42,9 +47,11 @@
|
|
|
|
|
|

|
|
|
|
|
|
+## 任务模型训练
|
|
|
+
|
|
|
参数配置完成后,点击启动训练,模型开始训练并进行效果评估。
|
|
|
|
|
|
-③ **训练可视化**:在训练过程中,您可通过VisualDL查看模型训练过程参数变化、日志详情,及当前最优的训练集和验证集训练指标。模型在训练过程中通过点击"中止训练"随时中止训练过程。
|
|
|
+① **训练可视化**:在训练过程中,您可通过VisualDL查看模型训练过程参数变化、日志详情,及当前最优的训练集和验证集训练指标。模型在训练过程中通过点击"中止训练"随时中止训练过程。
|
|
|
|
|
|

|
|
|
|
|
|
@@ -52,11 +59,24 @@
|
|
|
|
|
|

|
|
|
|
|
|
-④ **模型裁剪**:如果开发者希望减少模型的体积、计算量,提升模型在设备上的预测性能,可以采用PaddleX提供的模型裁剪策略。裁剪过程将对模型各卷积层的敏感度信息进行分析,根据各参数对模型效果的影响进行不同比例的裁剪,再进行精调训练获得最终裁剪后的模型。
|
|
|
+> 模型训练是最容易出错的步骤,经常遇到的原因为电脑无法联网下载预训练模型、显存不够。训练检测模型\实例分割模型对于显存要求较高,**建议用户通过在Windows/Mac/Ubuntu的命令行终端(Windows的Cmd命令终端)执行`nvidia-smi`命令**查看显存情况,请不要使用系统自带的任务管理器查看。
|
|
|
+
|
|
|
+## 任务模型裁剪训练
|
|
|
+
|
|
|
+此步骤可选,模型裁剪训练相对比普通的任务模型训练,需要消耗更多的时间,需要在正常任务模型训练的基础上,增加『**模型裁剪分类**』和『**模型裁剪训练**』两个步骤。
|
|
|
+
|
|
|
+裁剪过程将对模型各卷积层的敏感度信息进行分析,根据各参数对模型效果的影响进行不同比例的裁剪,再进行精调训练获得最终裁剪后的模型。
|
|
|
+裁剪训练后的模型体积,计算量都会减少,并且可以提升模型在低性能设备的预测速度,如移动端,边缘设备,CPU。
|
|
|
+
|
|
|
+在可视化客户端上,**用户训练好模型后**,在训练界面,
|
|
|
+- 首先,点击『模型裁剪分析』,此过程将会消耗较长的时间
|
|
|
+- 接着,点击『开始模型裁剪训练』,客户端会创建一个新的任务,无需修改参数,直接再启动训练即可
|
|
|
|
|
|

|
|
|
|
|
|
-⑤ **模型评估**:在模型评估页面,您可查看训练后的模型效果。评估方法包括混淆矩阵、精度、召回率等。
|
|
|
+## 模型效果评估
|
|
|
+
|
|
|
+在模型评估页面,您可查看训练后的模型效果。评估方法包括混淆矩阵、精度、召回率等。
|
|
|
|
|
|

|
|
|
|
|
|
@@ -64,11 +84,10 @@
|
|
|
|
|
|

|
|
|
|
|
|
+## 模型发布
|
|
|
|
|
|
-
|
|
|
-**第五步:模型发布**
|
|
|
-
|
|
|
-当模型效果满意后,您可根据实际的生产环境需求,选择将模型发布为需要的版本。
|
|
|
+当模型效果满意后,您可根据实际的生产环境需求,选择将模型发布为需要的版本。
|
|
|
+> 如若要部署到移动端/边缘设备,对于部分支持量化的模型,还可以根据需求选择是否量化。量化可以压缩模型体积,提升预测速度
|
|
|
|
|
|

|
|
|
|