关于嘉楠在线训练平台的使用说明

---------------------------------2025/6/24-------------------------------------
用户您好，最近我们对训练系统进行了升级：
（1）训练端增加了一些计算资源；
（2）系统结构进行了重构；
（3）训练得到的部署产物支持K230 CanMV 1.3版本的MicroPython固件,部署包仅提供kmodel和部署配置文件deploy_config.json，部署脚本封装在了1.3固件中的/sdcard/examples/19-CloudPlatScripts目录下，请按照README.pdf操作完成模型部署。
如果您在使用过程中遇到相关问题，请在本论坛发帖求助。

------------------------------------end----------------------------------------

---------------------------------训练注意事项----------------------------------

1. 内置模型均添加了预训练设置，非复杂场景下，150~300次迭代基本上够用，迭代设置太大不会有效果的提升,反而会浪费资源，比如设置为500可能并不会有更好训练效果；考虑到上述问题，我们已经将最大迭代次数降低到500;
2. 训练数据集不宜设置太大的分辨率，会降低训练效率；
3. 尽量将批数据大小设置为16或24，如果失败，再降为8，同样是为了提高效率；
4. 如果您有计算资源可以使用离线训练AICube或者租用服务器使用YOLO，YOLO支持常见的分类检测分割任务；
   任务较多时，计算资源可能不够用，导致部分用户的任务排队时间冗长，请大家耐心等待或选择离线训练方式，感谢大家的理解！

-------------------------------------end----------------------------------------

--------------------------------部署注意事项------------------------------------

1. 部署过程如果效果不好，请首先采取调整阈值参数的方式进行调整，检查效果是否可以提升；
2. 如果仍然无法得到好的效果，需要查看部署包中的 **_result目录下的图片，结果是否正确，该测试是使用训练的pt模型进行测试，可以确认是否是训练问题造成的；
3. 如果目录下图片测试效果正常，说明训练没有问题。
   • 首先，您需要运行图片推理脚本，观察图片推理结果是否正常，如果图片推理正常，则说明模型量化过程正常。
   • 如果视频流结果仍然效果不好，那么可能是部署代码参数配置的问题，需要调整分辨率、阈值等参数。
   • 也有可能是k230摄像头的图片分布和训练数据不一致，因此你需要使用K230摄像头采集数据，并自行标注训练。
4. 如果目录下的图片测试效果异常，说明训练或者测试过程存在问题，可能是模型训练的不好，需要调整训练参数（比如迭代次数或者学习率）重新训练；
5. 如果仍然达不到您想要的效果，可能是模型转换的过程中默认的量化方式不合理，您可以论坛发帖，说明问题，技术人员可以协助您解决。

--------------------------------------end---------------------------------------