Classificazione classica delle immagini 2.5.0¶
Classifica l'intera immagine. I preset attuali includono ResNet50, ResNet18, ResNet101, MobileNetV3_small_x0_35 e MobileNetV3_large_x1_0; compaiono solo se esistono le configurazioni incluse.
Selezionare una cartella di classificazione. Hanno priorità train_list.txt, val_list.txt e Label.txt; in assenza degli elenchi vengono riconosciute train/nome_classe e val/nome_classe. I set esistenti vengono mantenuti senza nuova suddivisione automatica. Verificare ID e ordine dei nomi: addestramento, inferenza ed esportazione devono coincidere.
Dimensioni e ottimizzazione¶
L'input è il lato del quadrato; 0 indica Usa configurazione. Un valore personalizzato aggiorna ritagli di addestramento e validazione, input ed esportazione. Il lato corto di Resize segue il rapporto originale 256/224, senza sostituire tutta la preelaborazione con una deformazione priva di ritaglio.
Adattare le dimensioni di input ai dettagli necessari all'applicazione. Questa pagina non ha altezza/larghezza separate né la modalità solo validazione del rilevamento classico. Tasso di apprendimento, ottimizzatore, decadimento, warmup, AMP e workers seguono i parametri comuni classici, mappati però nella struttura del motore di classificazione.
Metriche¶
Visualizza accuratezza, perdita e altre metriche di addestramento e validazione effettivamente prodotte dal motore di classificazione. Non vanno interpretate come Precision/Recall/mAP del rilevamento. Le metriche dipendono dalla configurazione del modello; non vengono create curve per valori mancanti.
Esportazione automatica e distribuzione¶
Dopo l'addestramento, l'esportazione automatica salva nella directory export dell'esperimento. File tipici:
inference.pdmodel
inference.pdiparams
inference.pdiparams.info
ImageSize.txt
inference_cls.yaml
class_names.txt
ImageSize.txt, la mappa delle classi e inference_cls.yaml vengono generati dalla configurazione effettiva dell'esecuzione. Non occorre sostituire manualmente parametri ImageNet generici. Lo YAML di distribuzione usa percorsi relativi: usare la cartella esportata come directory di lavoro e impostare il dispositivo nel programma in base all'hardware reale.
La verifica dell'inferenza usa il checkpoint di addestramento .pdparams e la configurazione, non il file esportato .pdmodel come input diretto dei pesi di questa pagina. I due formati hanno scopi diversi.
Tutti i controlli sono nella tabella della classificazione.