简介

模型训练、转换和评估功能

• 模型训练：根据给定的训练数据集，划分为训练部分和测试部分，先用训练部分对模型的超参数进行训练，得到ckpt文件后再用测试部分进行精度评估，保存精度最好的ckpt文件。
• 模型转换：首先使用MindSpore将最好精度的ckpt文件转成air文件，再通过ATC工具将air转成Atlas 200/300/500 推理产品推理所用的om模型。
• 模型评估：根据给定的测试数据集，采用训练过程中精度最好的ckpt文件进行精度评估，保存评估过程中生成的图片等数据。

配置文件准备

在执行wafer相关脚本前，需要先准备两个“config.json”分别放在“wafer_mindspore/reference”和“wafer_mindspore/inspection”目录。（文件名必须为“config.json”。）

• “wafer_mindspore/reference”下的“config.json”文件示例。

  “range_lut”为必须字段，对应字典内每一个key值（类型：str）代表芯片ID+层ID，value值表示相应芯片层的配置参数，参数说明请参见表1。

  {
    "range_lut": {
      "001M1": [[15, 75], [35, 95], 0.4, 12312.123, 2243.23, 2342, 3453, 0, 0, 123]
    }
  }

  表1 wafer_mindspore/reference下config.json文件的range_lut参数说明

  索引值	类型	取值范围	说明
  0	list	两个范围在[0, 100000]的int值	x轴范围。
  1	list	两个范围在[0, 100000]的int值	y轴范围。
  2	float	[0, 1]	阈值。
  3	float	(0, 100000)	die宽。
  4	float	(0, 100000)	die高。
  5	float	(0, 100000)	灰度图宽。
  6	float	(0, 100000)	灰度图高。
  7	int	[-1000, 1000]	x轴偏移量。
  8	int	[-1000, 1000]	y轴偏移量。
  9	int	[50, 2048]	小图尺寸。

• “wafer_mindspore/inspection”下的“config.json”文件示例。
  • “range_lut”、“soie_zone”、“stations”为必须字段，“range_lut”和“soie_zone”对应字典内每一个key值（类型：str）代表芯片ID+层ID，value值（类型：list）表示相应芯片层的配置参数。“range_lut”的参数说明请参见表2。
  • “soie_zone”每个key对应的value类型为list，list的每个元素代表两对x，y坐标，共四个值，每个值的取值范围是[0, 100000]。
  • “stations”每个key代表机台名称（类型：str），对应的value值（类型：int，取值：0或1）代表该机台的x，y轴范围在“range_lut”第一和第二个list里的索引值。

  {
    "range_lut": {
      "001M1": [[[15, 75], [35, 95]], [[60, 120], [20, 80]], 0.4, 12312.123, 2243.23, 2342, 3453, 1]
    },
    "soie_zone": {
      "001M1": [[[15, 75], [35, 95]], [[345, 735], [435, 995]]]
    },
    "stations": {
      "device_a": 0,
      "device_b": 1
    }
  }

  表2 wafer_mindspore/inspection下config.json文件的range_lut参数说明

  索引值	类型	取值范围	说明
  0	list	两个长度为2的list，每个元素类型为int，范围为[0, 100000]	两个机台的x轴范围。
  1	list	两个长度为2的list，每个元素类型为int，范围为[0, 100000]	两个机台的y轴范围。
  2	float	[0, 1]	阈值。
  3	float	(0, 100000)	die宽。
  4	float	(0, 100000)	die高。
  5	float	(0, 100000)	灰度图宽。
  6	float	(0, 100000)	灰度图高。
  7	float	[0.1, 10]	倍率比例。