AICube-Beta测试版本来了

问题描述

下载链接：AICube-Win-Beta下载

版本定位

AICube Beta 2.0.0 是面向社区发布的测试版本，供用户在实际 Windows 环境、NVIDIA GPU、训练任务和 K230 部署场景中试用与验证。本版本重点提升便携部署、数据集导入校验、训练稳定性和模型交付可靠性；Beta 阶段仍可能存在兼容性、性能或功能问题，不建议用于对稳定性有严格要求的生产环境。

使用过程中如遇启动、训练、模型转换、部署或硬件兼容性问题，请在 勘智社区问答 反馈，并尽量附上软件版本、Windows 版本、显卡型号、NVIDIA 驱动版本、操作步骤和日志信息，以便定位处理。

主要优化

1. Windows 便携版运行环境

• 内置独立 Python、.NET 和原生依赖运行时，用户无需单独安装开发环境。
• 自动隔离 Python、.NET 和 Qt 插件环境变量，减少系统环境冲突造成的启动失败。
• 提供一键启动、便携版构建和运行时管理能力，适合离线或受限网络环境使用。

2. nncase 与 K230 部署运行时

• 支持独立升级 nncase 和 nncase_kpu 运行时。
• 升级过程会验证 K230 target 可用性，并记录依赖清单和安装包 SHA-256 校验值。
• 运行时升级失败时可恢复此前版本，降低部署环境损坏风险。

3. 数据集导入校验

• 覆盖图像分类、目标检测、语义分割、OCR 检测、OCR 识别、度量学习和多标签分类任务。
• 校验目录结构、图片可读性、标注和图片配对、类别索引、坐标范围，以及 COCO、VOC、YOLO 等标注引用关系。
• 在创建项目或开始训练前定位问题文件，减少训练中途失败。

4. Labelme 语义分割数据集

• 支持识别 Labelme 语义分割标注并转换为内部训练格式。
• 增加 Labelme 标注和数据集结构合法性检查。

5. 项目与结果管理

• 优化项目创建、打开、关闭、删除和数据集拆分流程。
• 自动清理不可访问的最近项目和示例项目记录。
• 按项目保存模型、输出和测试结果，支持生成包含模型、测试数据和评估指标的 PDF 测试报告。

6. 训练与测试稳定性

• 统一 GPU/CPU 设备选择、CUDA 环境诊断和显存错误提示。
• 优化 AMP 自动混合精度相关处理。
• 优化 DataLoader 线程和预取配置，降低内存占用及 Windows 多进程加载异常概率。
• 对训练曲线和测试结果更新进行节流和同步，减少高频界面刷新带来的卡顿或结果遗漏。

7. NVIDIA RTX 30、40、50 系显卡适配

• 适配 NVIDIA Ampere 架构的 RTX 30 系、Ada 架构的 RTX 40 系和 Blackwell 架构的 RTX 50 系显卡。
• 发行包内置 PyTorch 2.7.0+cu128，对应 CUDA 12.8 用户态运行时；应用会在启动和训练前检查 CUDA 可用性、设备数量、计算能力和显存状态。
• 正式支持基线为 Windows x64 NVIDIA 驱动 570.65 或更高版本。该版本是 NVIDIA 为 CUDA 12.8 提供的 Windows 驱动版本；使用更新驱动同样受支持。
• CUDA 12.x 的兼容模式最低驱动门槛为 Windows 528.33，但该门槛仅适用于有限兼容场景，不作为本 Beta 的推荐或验收配置。
• 目标电脑通常不需要安装完整 CUDA Toolkit；便携包已包含 PyTorch 所需的 CUDA 用户态依赖，仍必须安装兼容的 NVIDIA 显卡驱动。

8. 模型转换与交付

• 模型转换在独立 worker 进程中执行，避免长耗时转换阻塞主界面。
• 导出前校验 nncase 部署 target。
• 多类 ONNX 导出流程使用统一的模型加密实现，提升模型交付保护能力。
• 部署包仅交付模型文件和部署配置文件，不再提供部署源码。推理、前处理、后处理及设备调用等部署代码已封装在对应版本的 SDK 中，请使用与目标平台及 SDK 版本匹配的接口进行集成。

9. 界面与任务流程

• 优化训练、测试、可视化、数据增强和高级设置等页面样式。
• 统一任务类型、配置、训练器和测试器的注册管理，提升任务切换和配置加载的稳定性。

安装包体积说明

本 Beta 版本采用完整便携式交付方式。当前 AI-Cube-Portable-win-x64-Beta.zip 的实测大小为 5,694,260,275 字节，约 5.69 GB（5.30 GiB）。该体积属于预期设计，并非重复文件或异常产物，主要包含：

• 独立 Python 运行时及深度学习依赖，例如 PyTorch、OpenCV 和 PyQt；
• .NET、nncase、nncase_kpu 及 K230 模型转换所需的原生运行时；
• 预训练权重、示例数据集和示例项目；
• 图形界面资源、部署工具和离线运行所需的依赖文件。

建议通过稳定网络下载，并在解压前预留至少 15 GB 可用磁盘空间，以容纳压缩包、解压后的运行环境和用户创建的项目数据。建议将软件解压至本地磁盘的英文路径，避免在 U 盘、网络盘或同步目录中直接运行。

Beta 已知限制

• 本版版本号为 2.0.0，旧版为 V1.4。
• 本 Beta 版本不支持异常检测（Anomaly Detection）任务。旧版的异常检测模块及其 ONNX/KModel 导出能力未包含在本次发行包中；需要异常检测能力的用户请继续使用旧版或等待后续版本支持。
• 旧版 AICube_Patch.py 在线刷新工具不再随新版发布；nncase 运行时升级统一使用便携版运行时升级脚本。
• 发布前仍应完成目标 Windows 环境、GPU/CPU 训练、模型转换及 K230 部署的回归验证。

NVIDIA 环境验收

在 Windows 命令提示符或 PowerShell 中执行 nvidia-smi，确认驱动版本不低于 570.65，并确认能识别目标 NVIDIA GPU。启动 AICube 后，软件会使用内置 PyTorch CUDA 12.8 运行时检测显卡；若 CUDA 不可用，请优先更新 NVIDIA 驱动，而非安装其他 CUDA Toolkit。

驱动版本依据 NVIDIA CUDA 12.8 Windows 发行说明；CUDA 驱动对旧 CUDA 应用保持向后兼容。有关 CUDA 12.x 兼容模式和 GPU 架构支持范围，请参考 NVIDIA 官方的 CUDA 12.8 Release Notes 与 CUDA Compatibility Guide。

复现步骤

请在带有NVIDIA显卡的Windows机器上运行。

硬件板卡

K230

软件版本

无

其他信息

K230系统镜像：https://www.kendryte.com/zh/resource/images,k230