6.1.6. 示例说明

本节为您带来包括 执行脚本 、 VargConvNet分类模型训练 、 Fcos检测模型训练 、 Deeplab分割模型训练 、 Fastcnn分割模型训练 、 Unet分割模型训练 、 PointPillars检测模型训练 、 参考模型精度问题定位和处理方法 等内容的介绍。

• 6.1.6.1. 执行脚本
  • 6.1.6.1.1. tools
• 6.1.6.2. 分类模型训练
  • 6.1.6.2.1. 训练流程
    • 6.1.6.2.1.1. 数据集准备
    • 6.1.6.2.1.2. 模型训练
    • 6.1.6.2.1.3. 量化训练
    • 6.1.6.2.1.4. 模型检查编译和仿真上板精度验证
    • 6.1.6.2.1.5. 结果可视化
• 6.1.6.3. FCOS检测模型训练
  • 6.1.6.3.1. 数据集准备
  • 6.1.6.3.2. 浮点模型训练
    • 6.1.6.3.2.1. 模型构建
    • 6.1.6.3.2.2. 数据增强
    • 6.1.6.3.2.3. 训练策略
  • 6.1.6.3.3. 量化模型训练
    • 6.1.6.3.3.1. quantize参数的值不同
    • 6.1.6.3.3.2. 训练策略不同
    • 6.1.6.3.3.3. 模型验证
    • 6.1.6.3.3.4. 量化训练
    • 6.1.6.3.3.5. 模型检查编译和仿真上板精度验证
    • 6.1.6.3.3.6. 结果可视化
• 6.1.6.4. Deeplab分割模型训练
  • 6.1.6.4.1. 训练流程
    • 6.1.6.4.1.1. 数据集下载
    • 6.1.6.4.1.2. 数据集打包
    • 6.1.6.4.1.3. 模型训练
    • 6.1.6.4.1.4. 量化训练
    • 6.1.6.4.1.5. 模型检查编译和仿真上板精度验证
    • 6.1.6.4.1.6. 结果可视化
• 6.1.6.5. Fastscnn分割模型训练
  • 6.1.6.5.1. 训练流程
    • 6.1.6.5.1.1. 数据集下载
    • 6.1.6.5.1.2. 数据集打包
    • 6.1.6.5.1.3. 模型训练
    • 6.1.6.5.1.4. 量化训练
    • 6.1.6.5.1.5. 模型检查编译和仿真上板精度验证
    • 6.1.6.5.1.6. 结果可视化
• 6.1.6.6. Unet分割模型训练
  • 6.1.6.6.1. 训练流程
    • 6.1.6.6.1.1. 数据集下载
    • 6.1.6.6.1.2. 数据集打包
    • 6.1.6.6.1.3. 模型训练
    • 6.1.6.6.1.4. 量化训练
    • 6.1.6.6.1.5. 模型检查编译和仿真上板精度验证
    • 6.1.6.6.1.6. 结果可视化
• 6.1.6.7. PointPillars检测模型训练
  • 6.1.6.7.1. 数据集准备
  • 6.1.6.7.2. 浮点模型训练
    • 6.1.6.7.2.1. 模型构建
    • 6.1.6.7.2.2. 数据增强
    • 6.1.6.7.2.3. 训练策略
    • 6.1.6.7.2.4. 量化模型训练
    • 6.1.6.7.2.5. quantize参数的值不同
    • 6.1.6.7.2.6. 训练策略不同
    • 6.1.6.7.2.7. 模型验证
    • 6.1.6.7.2.8. 仿真上板精度验证
    • 6.1.6.7.2.9. 结果可视化
    • 6.1.6.7.2.10. 模型检查和编译
• 6.1.6.8. 参考模型精度问题定位和处理方法
  • 6.1.6.8.1. 训练不收敛
  • 6.1.6.8.2. 精度未达到目标