Skip to content

3.4 导出模型 ​

导出的目的是让模型离开训练环境、进入推理环境。格式按推理端选,不是越全越好。

前置条件 ​

  • 训练任务已完成且通过评估门禁(3.3);未通过时导出按钮置灰,豁免需管理员操作并记录原因。
  • 确认要导出的 checkpoint(默认 val 最优;也可选指定 epoch)。

导出格式 ​

格式用途说明
.wmdl(原生)WeModel 推理端 / Studio 内推理默认选项,与注册流程无缝衔接
ONNX跨平台推理(C++/Python/TensorRT/OpenVINO)通用交换格式,opset 固定版本导出
TorchScriptPyTorch 生态内嵌部署需要保留 PyTorch 运行时时选它
通用选项建议
输入尺寸与训练 imgsz 一致;推理端另有限制时再改,改了要重新验证指标
简化(simplify)ONNX 建议开启,减少冗余算子
半精度 FP16GPU 推理端可开,速度提升明显、精度损失通常可忽略
NMS 后处理框类模型可选内置/外置;内置简化接入,外置便于自定义阈值

导出操作 ​

  1. 训练 → 任务 → 导出模型(或从模型注册表发起)。
  2. 选 checkpoint、格式与选项,命名规范建议 {场景}_{规格}_{版本}_{日期},如 line3_s_v12_20261014。
  3. 确认导出,产出文件 + 一份导出元数据(指标、类别映射、输入尺寸、生成时间)。
  4. 导出后自检:用导出文件在 3–5 张留出图上跑一次推理,对比训练端结果——格式转换偶尔会引入偏差,这一步能抓住。

元数据随模型走

导出目录里的元数据文件(JSON)是模型「身份证」。注册、交接、出问题时都靠它。只拷模型文件不拷元数据,等于把身份证丢了。

MOT · 视频导出 ​

时序项目(视频/序列标注训练的跟踪模型)额外支持两类导出:

1. MOT 结果导出 ​

把模型在指定视频上的推理结果导出为多目标跟踪(MOT)格式:

字段说明
frame帧序号
track_id跟踪编号
bbox框坐标(旋转框项目导出带 angle)
conf置信度
class类别名

用途:与第三方评测工具对接、跟踪指标计算、人工复核轨迹。这是跟踪模型交付的通用契约格式,评测与汇报都从它出。

2. 视频回放导出 ​

把「原视频 + 跟踪框 + 轨迹尾迹」渲染成带标注的 MP4:

  • 可开关:轨迹尾迹、track_id 文字、置信度、类别颜色图例;
  • 帧率与分辨率跟随源视频;
  • 用途:演示、评审、缺陷复核留档——比看数字直观得多。

常见问题 ​

现象原因处理
导出按钮置灰未过门禁或无 checkpoint见 3.3
ONNX 推理结果与训练端不一致opset/简化选项问题关简化重导;核对 opset 版本
FP16 下精度下降明显数值敏感场景改回 FP32
MOT 导出帧号对不上源视频抽帧规则不同核对抽帧记录(2.1.3)

下一步 → 3.5 注册模型供推理使用——导出只是「文件出来了」,让推理端能找到它还需要注册。