云训练平台模型部署#
云训练平台简介#
Canaan开发者社区模型训练功能是为简化开发流程，提高开发效率开放的训练平台。该平台使用户关注视觉场景的落地实现，更加快捷的完成从数据标注到获得部署包中的KModel模型的过程，并在搭载嘉楠科技Kendryte®系列AIoT芯片中K230、K230D芯片开发板上进行部署。用户仅需上传数据集，简单的配置参数就可以开始训练了。
📌平台地址：嘉楠云训练平台
📌平台使用文档参考：嘉楠云训练平台文档教程，请注意数据集的格式！
支持任务介绍#
云训练平台中对于K230系列芯片支持的视觉任务有7种，任务介绍如下表：
💡 任务介绍：
任务名称 |
任务说明 |
|---|---|
图像分类 |
对图片进行分类，得到图片的类别结果和分数。 |
图像检测 |
在图片中检测出目标物体，并给出物体的位置信息、类别信息和分数。 |
语义分割 |
对图片中的目标区域进行分割，将图片中的不同标签区域切割出来，属于像素级任务。 |
OCR检测 |
在图片中检测出文本区域，并给出文本区域的位置信息。 |
OCR识别 |
在图片中识别出文本内容。 |
度量学习 |
训练可以将图片特征化的模型，使用该模型创建特征库，通过特征对比，在不重新训练模型的前提下对新的类别进行分类，也可称为自学习。 |
多标签分类 |
对图片进行多类别分类，一些图片可能不只是属于某个单一的类别，天空和大海可以同时存在，得到图片的多标签分类结果。 |
部署步骤#
部署包说明#
训练结束后可以下载对应训练任务的部署包，下载的部署zip包解压后，目录如下：
📦 task_name
├── 📁 **_result
│ ├── test_0.jpg
│ ├── test_1.jpg
│ └──...
├── cpp_deployment_source.zip
├── mp_deployment_source.zip
└── README.md
内容如图所示：
其中mp_deployment_source.zip即是在K230 MicroPython 镜像上部署的代码包，内部包含部署的配置文件和部署的KModel模型。
文件拷贝#
✅ 固件选择：请在 github 按照您的开发板类型下载最新的 PreRelease固件 以保证最新的特性被支持！或者使用最新的代码自行编译固件，教程见：固件编译。
✅ 固件烧录： 按照开发板类型烧录固件，固件烧录参考：固件烧录。
✅ 部署脚本：固件烧录成功后，上电开机，您可以在文件系统根目录下发现CanMV/sdcard目录，将mp_deployment_source.zip解压后拷贝到CanMV/sdcard目录下。
脚本运行#
打开CanMV IDE K230，选择左上角文件(F)->打开文件->选择CanMV/sdcard/examples/19-CloudPlatScripts中的不同任务的脚本运行。
💡 脚本介绍：
脚本名称 |
脚本说明 |
|---|---|
deploy_cls_image.py |
图像分类单图推理脚本，您需要在自行增加测试图片，并修改脚本内读入图片的路径。 |
deploy_cls_video.py |
图像分类视频流推理脚本，脚本详情见脚本内注释。 |
deploy_det_image.py |
目标检测单图推理脚本，您需要在自行增加测试图片，并修改脚本内读入图片的路径。 |
deploy_det_video.py |
目标检测视频流推理脚本，脚本详情见脚本内注释。 |
deploy_seg_image.py |
语义分割单图推理脚本，您需要在自行增加测试图片，并修改脚本内读入图片的路径。 |
deploy_seg_video.py |
语义分割视频流推理脚本，脚本详情见脚本内注释。 |
deploy_ocrdet_image.py |
OCR检测单图推理脚本，您需要在自行增加测试图片，并脚本修改读入图片的路径。 |
deploy_ocrdet_video.py |
OCR检测视频流推理脚本，脚本详情见脚本内注释。 |
deploy_ocrrec_image.py |
OCR识别单图推理脚本，您需要在自行增加测试图片，并脚本修改读入图片的路径。考虑到平台OCR识别模型单次推理读入的数据为长条状文本，因此不支持视频流推理。 |
deploy_ocr_image.py |
OCR单图推理脚本，您需要在自行增加测试图片，并脚本修改读入图片的路径。双模型任务，需要同时添加OCR检测和OCR识别的部署包，注意修改脚本内目录路径。 |
deploy_ocr_video.py |
OCR视频流推理脚本，脚本详情见脚本内注释。双模型任务，需要同时添加OCR检测和OCR识别的部署包，注意修改脚本内目录路径。 |
deploy_ml_image.py |
度量学习单图推理脚本，您需要在自行增加测试图片，并脚本修改读入图片的路径。输出为对应维度的特征，后续操作视应用场景修改。 |
deploy_ml_video.py |
度量学习视频流推理脚本，脚本详情见脚本内注释。输出为对应维度的特征，后续操作视应用场景修改。 |
deploy_multl_image.py |
多标签分类单图推理脚本，您需要在自行增加测试图片，并脚本修改读入图片的路径。 |
deploy_multl_video.py |
多标签分类视频流推理脚本，脚本详情见脚本内注释。 |
部署说明#
📢 在部署模型时如果效果不理想，首先调整对应任务的阈值和推理图像的分辨率，测试结果是否可以有好转！
📢 学会定位问题，比如查看·部署包中的
**_results目录下的测试图片，如果该图片正常，则可能是部署代码、模型转换或者阈值的问题！📢 调整模型训练的参数，比如
epoch、learning_rate等，防止出现训练不充分的情况！📢 如果在线训练平台无法满足您的要求，您可以选择使用YOLO等开源模型完成训练，并在训练时指定合适的模型大小和输入分辨率，YOLO教程见：K230 YOLO大作战！