Appearance
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
⏱ 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)
文件 → 新建项目,命名smoke_test,位置保持默认。- 在新建向导中选择图像文件夹,导入准备好的 20 张样本。
- 在「类别」步骤添加
scratch、dent两个类别。 - 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)
- 按
1切换到矩形工具(或点工具栏矩形图标)。 - 在第一张图上框住一个缺陷,在右属性把类别改为
scratch。 - 按
D切下一张,重复;每张画 3–5 个框即可,不求标全。 - 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)
数据 → 生成数据集版本。- 划分保持默认(如 train 80% / val 20%),命名
v0.1_smoke。 - 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)
训练 → 新建训练任务,数据源选择v0.1_smoke。- 模型规格选最小档(如
n/ 输入 640),epoch 设 3–5,batch 默认。 - 类别确认自动带入(
scratch、dent)。 - 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)
- 训练结束后(或任一 checkpoint),
导出 → 模型导出。 - 格式选
.wmdl(原生)或ONNX(跨平台),确认导出。 - (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