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：

1. 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。
   图 3-1 TI Edge AI Studio：模型编写器 - 创建新工程
2. 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。
   图 3-2 TI Edge AI Studio：模型编写器 - 导入数据集
3. 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。
   图 3-3 TI Edge AI Studio：模型编写器 - 数据注释
4. 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。
   图 3-4 TI Edge AI Studio：模型编写器 - 模型选择
5. 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。

   图 3-5 TI Edge AI Studio：模型编写器 - 模型训练
6. 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
   图 3-6 TI Edge AI Studio：模型编写器 - 模型编译
7. 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。
   图 3-7 TI Edge AI Studio：模型编写器 - 实时预览

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。