Skip to content

Latest commit

 

History

History
75 lines (34 loc) · 3.14 KB

client_use.md

File metadata and controls

75 lines (34 loc) · 3.14 KB

使用PaddleX客户端进行模型训练

第一步:下载PaddleX客户端

您需要前往 官网填写基本信息后下载试用PaddleX客户端

第二步: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。不同类型任务的数据处理方式可查看数据标注方式

第三步:导入我的数据集

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。

② 在客户端新建数据集,选择与数据集匹配的任务类型,并选择数据集对应的路径,将数据集导入。

③ 选定导入数据集后,客户端会自动校验数据及标注文件是否合规,校验成功后,您可根据实际需求,将数据集按比例划分为训练集、验证集、测试集。

④ 您可在「数据分析」模块按规则预览您标注的数据集,双击单张图片可放大查看。

第四步: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。

② 您可根据实际任务需求选择项目的任务类型,需要注意项目所采用的数据集也带有任务类型属性,两者需要进行匹配。

第五步:项目开发

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。

参数配置:主要分为模型参数训练参数优化策略三部分。您可根据实际需求选择模型结构及对应的训练参数、优化策略,使得任务效果最佳。

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。

训练可视化

在训练过程中,您可通过VisualDL查看模型训练过程时的参数变化、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"终止训练"随时终止训练过程。

模型训练结束后,点击”下一步“,进入模型评估页面。

模型评估

在模型评估页面,您可将训练后的模型应用在切分时留出的「验证数据集」以测试模型在验证集上的效果。评估方法包括混淆矩阵、精度、召回率等。在这个页面,您也可以直接查看模型在测试数据集上的预测效果。

根据评估结果,您可决定进入模型发布页面,或返回先前步骤调整参数配置重新进行训练。

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。