Inferenza dei modelli ed esportazione automatica¶
Architetture supportate dall'inferenza¶
L'inferenza supporta le quattro attività moderne e il rilevamento e la classificazione classici. Per le anomalie usare la vista di inferenza della relativa pagina.
| Architettura | Pesi di input | Altri requisiti |
|---|---|---|
| Modelli moderni | .pt oppure .onnx |
Tipo di attività corrispondente, particolarmente importante per ONNX |
| Rilevamento/classificazione classici | .pdparams |
YAML di addestramento corrispondente, importabile da un esperimento |
| La pagina dedicata al rilevamento anomalie | model.patchcore.pt |
Origine immagini, dispositivo e moltiplicatore della soglia nella pagina dedicata |
L'importazione di un esperimento classico privilegia la configurazione finale valida e il checkpoint effettivo; un URL di pesi preaddestrati nello YAML non viene trattato come modello addestrato. Se necessario si può specificare un TXT delle classi. Forme incompatibili dei pesi classici causano un errore, senza usare silenziosamente parametri casuali.
Tipo di attività, soglia e dispositivo¶
Le attività moderne comprendono classificazione, rilevamento oggetti, segmentazione di istanze e rilevamento orientato. Nelle architetture classiche, l'architettura selezionata determina il tipo di attività.
La soglia di confidenza predefinita è 0.3, con intervallo 0.01–1.0. Il rilevamento mantiene i risultati che raggiungono la soglia; la classificazione classica restituisce al massimo le prime 5 classi che la soddisfano. L'elaborazione nativa dei risultati della classificazione moderna non filtra le probabilità tramite questo controllo conf; non è una regola OK/NG per la classificazione moderna.
Il PT moderno segue la scelta del dispositivo. Il software attuale impone l'inferenza ONNX moderna sulla CPU, segnalandolo nel log anche quando è selezionata la GPU; l'inferenza ONNX su GPU non è garantita. L'inferenza classica può usare la CPU o una GPU NVIDIA selezionata.
Preelaborazione¶
I modelli PT/ONNX di classificazione moderna generati dal software incorporano metadati di preelaborazione del ritaglio centrale, letti dall'inferenza del software. I programmi ONNX esterni non applicano automaticamente la preelaborazione solo perché esiste un JSON accanto al modello; la distribuzione deve implementarla correttamente.
La classificazione classica legge preelaborazione Infer e mappatura delle classi dalla configurazione; il rilevamento classico usa il TestReader corrispondente. Per pesi esterni privi della configurazione di addestramento, la sola estensione non permette di ricostruire la preelaborazione corretta.
Directory di output¶
Senza una directory di output esplicita, la posizione predefinita dipende dall'attività del modello moderno. Una directory selezionata esplicitamente viene usata direttamente e può essere riutilizzata; risultati con lo stesso nome possono essere sovrascritti.
L'inferenza classica e delle anomalie crea directory di esperimento indipendenti sotto la radice di output, salvando visualizzazioni e risultati strutturati. Il log di completamento riporta il percorso effettivo.
Esportazione automatica dopo addestramento¶
| Architettura di addestramento | Esportazione dopo il completamento |
|---|---|
| Quattro architetture moderne | ONNX; rilevamento, segmentazione e OBB esportano anche infer_cfg.yml; la classificazione esporta Label.txt e le informazioni di preelaborazione. |
| Rilevamento classico | model.pdmodel, model.pdiparams, informazioni sui parametri e infer_cfg.yml |
| Classificazione classica | Modello di inferenza, parametri, ImageSize.txt, YAML di distribuzione ed elenco delle classi |
| Rilevamento anomalie | model.patchcore.pt autonomo; usare il flusso di inferenza delle anomalie |
L'esportazione ONNX moderna non semplifica il grafo per impostazione predefinita e non installa automaticamente onnxslim; OBB non incorpora NMS. L'esportazione classica usa la CPU nel processo indipendente dell'esecuzione, anche se l'addestramento usa la GPU. Dopo l'addestramento l'interfaccia può continuare a mostrare Esportazione in corso; attendere un risultato confermato prima della distribuzione.
La fine dell'addestramento non garantisce la fine dell'esportazione. Un'esportazione classica fallita conserva pesi e intero esperimento; controllare export.json e il log originale. Non eliminare l'intero esperimento per ritentare l'esportazione.