制作数据集

1. 收集待标记的png、jpg、JPEG、bmp、webp格式图片数据，推荐使用jpg格式。图片分辨率不高于1080P，单张图片不小于1MB，推荐每个类别的图片数量在100张左右，图片名称不支持字符"."，需放置在全英文路径下。
2. 为模型迁移准备数据集，进行图像标注，在工具界面选择“分类模型”。

   选择“制作数据集”，配置1收集的数据集的路径。

3. 配置标签信息，即需要分类的类别名称，用英文表示并用逗号隔开，不支持其他字符。例如：apple,banana,watermelon,tangerine。
4. 单击“确认”，开始标注，对应每张图片，从右侧标记栏选择对应的标签名称，当前图片标注完成后，从图片上方菜单单击图标或左侧文件列表选择下一张图片进行标记，直到完成所有图片的标注任务。

5. 模型迁移

6. 在工具界面单击下方“一键迁移”按钮，进入配置界面，输入迁移信息，单击“一键迁移”开始迁移。
7. 数据集路径：2中标注的数据集路径。
8. 数据集拆分：将图片划分成训练、验证以及测试集的比例，推荐值：0.3。默认拆分0.1的测试集用于边缘推理，训练集与验证集按输入拆分比例再次进行拆分。
9. 迭代次数：训练轮次，推荐值：100。
10. 每批图片数：参与每个批次训练的图片张数，推荐值：12。
11. 输出目录：模型输出路径。
12. 使用早停策略：勾选后，可根据设置的acc值（准确率，一般指在所有图片中，预测正确的概率得分）和持续迭代不上升次数，提前停止训练。
    • acc达到（值）：该训练模型精度已达标，可停止训练的阈值，默认值：0.99。
    • acc连续迭代不上升次数：acc值达到某一水平，多次迭代后并无提升的次数，默认值：10。
    • 迁移完成后会出现提示框，提示已生成打包好的文件，如图4所示。在训练输出目录会生成以下文件与目录，如图5所示。
    • train_output：训练输出的权重文件、onnx文件以及训练数据信息json文件。
    • trans_output：经过数据转换，根据数据集拆分设置生成的测试集、验证集、训练集。
    • edge_infer.tar：打包好的推理相关模型文件与脚本。