- 简介
- 目录大纲
- 最新文档
04-模型推理
4.1训练完之后我们进行推理，代码如下 python detect.py --weights runs/train/exp/weights/best.pt --source /dataset/images 4.2推理结果存放在红色方框内的路径 4.3最后可以去文件夹查看推理结果
gdsoke - 2025年5月29日 14:39
05-模型编译
5.1进入编译管理，选择创建任务。 5.2输入信息以及运行命令，点击创建编译任务。 TPU类型为AMC： 将以下代码复制到运行命令中： cd /leap&&cp /dataset/data.yaml ./&&cp /model/best_kneron.onnx /leap/model/&&python3 create_csv.py --onnx_……
gdsoke - 2025年5月29日 09:53
03-模型训练
3.1当算法复制好后，进入训练管理菜单，选择创建任务 3.2训练任务创建，填入要求信息与运行命令，点击开始训练，参考如下图 TPU类型为AMC： 将以下代码复制填入运行命令中： set -ex; echo "export LD_LIBRARY_PATH=/usr/local/corex/lib64:$LD_LIBRARY_PATH">> /root/.bashrc&&……
gdsoke - 2025年5月28日 11:17
06-模型下载并固化
6.1将编译好的lfdata文件和yaml文件下载到本地并放到一个文件夹中，压缩为ZIP文件 6.2回到task平台，在tpu模型管理菜单下，创建tpu模型 6.3模型名称目前随意选择，填写tpu模型名称与描述，选择正确的适用芯片类型 6.4上传刚刚压缩好的ZIP文件 6.5然后我们可以在TPU模型列表中看到我们刚刚创建的TPU模型，然后点击版本列表 6.6安装AMC插件，可以通过平……
gdsoke - 2025年5月28日 10:16
01-数据工程
1.标注 1.1选中数据集管理 1.2点击标注 1.3点击创建项目 1.4填入项目名称 1.5点击数据导入，导入数据集照片，点击上传文件，上传需要打标的照片（数据图片需要为JPG格式） 1.6点击标签设置，选中第三幅图（利用边界框进行物体检测） 1.7删除原有标签，然后手动输入标签，点击添加，添加完毕后点击右下角保存 1.8同时也可以现场采集数据集照片，点击采集按钮，进行拍照导入 ……
gdsoke - 2025年5月27日 14:16