该模型使用 TI Edge AI Studio 模型编写器进行训练,这是一款在线应用,提供了边缘 AI 模型开发所需的全套工具,包括数据采集、标记、训练、编译和部署工具。有关使用模型编写器的详细教程,请参阅快速入门指南。模型编写器用户界面在窗口顶部显示选项卡,这些选项卡经过逻辑排序,与边缘 AI 应用的模型开发的正常步骤匹配。没有或缺乏 AI 经验的用户只需按照这些选项卡来训练和编译模型即可。接下来是使用模型编写器训练和编译模型的步骤:
- 打开模型编写器,创建一个“Task Type”为“Object Detection”的新工程,如图 3-1 所示。
- 将数据集上传到该工程。在“Capture”选项卡中,打开“Input Source”菜单,然后选择“Import Annotated Archive dataset”选项,如图 3-2 所示。选择数据集并将其上传到该工程。应以 tar 或 zip 格式压缩数据集。将带有相关 COCO 格式注释 json 文件的缺陷检测数据集(包含 4800 张图片)压缩成 tar 文件,并在此步骤中使用。
- 模型编写器直接识别 COCO 格式注释 json 文件,并将注释添加到相应的文件中,如图 3-3 的“Annotation”选项卡中所示。请注意,模型编写器提供了方便的数据采集和注释工具,但在本工程中并不使用这些工具,因为在模型编写器之外使用了自定义增强过程。
- 移至“Model Selection”选项卡,在“Device selection”面板中选择“AM62A”,并在“Model selection”面板中选择“yolox_nano_lite”,如图 3-4 所示。
- 移至“Train”选项卡并选择所需的训练参数,如图 3-5 所示。以下是本工程中用于训练模型的参数。您可以随意使用可能适合您的模型和任务的其他参数进行实验。
- Epochs:10
- Learning rate:0.002
- Batch size:8
- Weight decay:0.0001
设置所需的参数后,点击“Start Training”图标。模型编写器在后台将数据集分为三个部分,分别用于训练、测试和验证。随着训练的进行,性能显示为精度与 Epoch 的关系图。该工程中的模型在训练中实现了 100% 的精度。
- 训练完成后,系统会编译该模式以生成模型的工件,这些工件需要在 AM62A 的深度学习加速器上执行。移至“Compile”选项卡并选择所需的编译参数,如图 3-6 所示。选择编译参数时需要考虑多个因素,包括模型类型、目标精度、性能和数据集大小。本工程中的模型使用如下所示的默认预设参数进行编译:
- Calibration Frames:10
- Calibration Iterations:10
- Detection Threshold:0.6
- Detection Top K:200
- Sensor Bits:8
- 编译完成后,工件会下载到 AM62A。模型编写器具有用于实时预览和部署的工具。实时预览用于直接在应用上测试模型,如图 3-7 所示。该工具提供了一种在部署前检查模型的简单方法。这需要将摄像头连接到 AM62A EVM,并且 AM62A EVM 与主机 PC 连接到同一网络。“Deploy”工具用于将编译后的模型工件直接下载到 EVM,前提是 EVM 与主机 PC 连接到同一网络。或者,可以将模型工件以 tar 文件的形式下载到主机 PC,然后可将其传输到所需的 EVM。
上述步骤完整详细地介绍了如何使用 Edge AI Studio 模型编写器训练和编译模型。此时,模型工件已下载到目标 EVM,并已准备好在终端应用中使用。