Skip to content

1.5 5 分钟跑通第一条任务 ​

这一节用一个最小样本把「导入 → 标注 → 训练 → 导出」完整走一遍。目的不是跑出好模型,而是建立流程体感:每个阶段点了什么、发生了什么、产出在哪。

开始前的准备 ​

  • 20–50 张同一场景的图像(JPG/PNG/BMP 均可,从现有数据里挑一小批)。
  • 1–2 个明确的类别(例如 scratch 划痕、dent 凹陷)。
  • 已装好应用并通过 1.1 的验证。

端到端总览 ​

准备 20 张样本新建项目标注生成数据集版本配置训练导出模型导入图像 + 类别每张画 3-5 个框小模型 + 少 epoch 冒烟.wmdl / ONNX

⏱ 预计耗时:标注 20 张约 3–4 分钟,冒烟训练取决于机器(CPU 模式可能 10 分钟以上,只为验证链路,不等结果好)。

Step 1 · 导入(约 1 分钟) ​

  1. 文件 → 新建项目,命名 smoke_test,位置保持默认。
  2. 在新建向导中选择图像文件夹,导入准备好的 20 张样本。
  3. 在「类别」步骤添加 scratch、dent 两个类别。
  4. 完成导入,项目打开后左图库应出现 20 个条目。

检查点:左图库数量 = 样本数量;右属性类别下拉里有两个类别。

Step 2 · 标注(约 3–4 分钟) ​

  1. 按 1 切换到矩形工具(或点工具栏矩形图标)。
  2. 在第一张图上框住一个缺陷,在右属性把类别改为 scratch。
  3. 按 D 切下一张,重复;每张画 3–5 个框即可,不求标全。
  4. 随时 Ctrl+S 保存;底部状态栏显示「已保存」。

检查点:抽 3 张图回看,框的位置和类别肉眼正确。标注手法详见 2.2,此刻只需会用矩形工具。

Step 3 · 生成数据集版本(约 10 秒) ​

  1. 数据 → 生成数据集版本。
  2. 划分保持默认(如 train 80% / val 20%),命名 v0.1_smoke。
  3. 确认生成。版本列表出现 v0.1_smoke,状态为「已完成」。

检查点:版本详情里能看到 20 张图像、N 个标注、划分数量。概念详见 2.4。

Step 4 · 配置训练并冒烟(时间取决于机器) ​

  1. 训练 → 新建训练任务,数据源选择 v0.1_smoke。
  2. 模型规格选最小档(如 n / 输入 640),epoch 设 3–5,batch 默认。
  3. 类别确认自动带入(scratch、dent)。
  4. 启动训练,切到监控页看曲线是否在动、loss 是否下降。

检查点:任务进入「训练中」且 loss 曲线有值即算通过。本段不追求精度,只验证「版本 → 训练」链路通。配置项详见 3.1。

Step 5 · 导出(约 10 秒) ​

  1. 训练结束后(或任一 checkpoint),导出 → 模型导出。
  2. 格式选 .wmdl(原生)或 ONNX(跨平台),确认导出。
  3. (可选)在导出页点「注册」,把模型注册进模型注册表,供推理端选择。

检查点:导出目录出现模型文件;注册后可在 模型 → 注册表 看到条目。详见 3.4、3.5。

跑通之后 ​

你现在拥有的是流程,不是模型。下一步按角色分流:

角色下一步
标注员精读 2.2 标注,然后看 4.1 我的任务
质检员精读 2.3 质检与修正
训练工程师精读 第 3 部分,理解 3.3 评估门禁 再谈效果
管理员阅读 第 4 部分 · 团队协作,把 smoke_test 项目改成网络项目试协作

常见卡点 ​

卡点原因处理
导入后图库为空选了错误文件夹或格式不支持确认图像格式,见 2.1
训练启动失败显存不足 / CPU 模式参数过大降 batch 或模型档位,见 5.3 排查清单
导出按钮置灰未达评估门禁或无可用 checkpoint见 3.3 评估门禁

下一步 → 第 2 部分 · 把数据变成能训练的集