Maixhub 模型训练平台使用说明

Maixhub 模型训练平台可以一键训练 AI 模型给 Maixpy 使用，用户只需提供简单的标注数据，模型训练与转换都会在云端完成，任务完成后，用户会收到带有模型的邮件。

目前提供分类模型和目标检测模型的训练。

搜集完成数据集之后, 在训练之前请使用预处理软件生产 zip 格式的数据集文件点击下载 DataAssitantV1.2(20200602).zip.zip>)

更新现在也可以使用上述工具中的Data_Collection_Assitant(Classification).py, Data_Collection_Assitant(ObjectDection).py运行在 maixpy 开发板中一站式收集数据和预处理.

原初的模型训练平台使用流程:
当前的模型训练平台使用流程:

1. 使用步骤

鉴于流程较长, 推荐参考上述当前的模型训练平台使用流程

1.1. 准备数据集

数据集的采集

可使用视频 2 中所用的程序(即DataAssitantV1.2(20200602).zip)采集数据
可以使用智能手机、相机拍摄
可以从网络上搜索

数据集处理

首先将图片数据集按分类保存为单独的文件夹, 子目录的名字为最后生成 label 的名字。注意: 分类文件夹数量要大于2个

例如:

数据集文件夹
   |-Class_1
      |- pic01.jpg
      |- pic02.jpg
      |- pic03.jpg
   |-Class_2
      |- pic01.jpg
      |- pic02.jpg
      |- pic03.jpg
   |-Class_3
      |- pic01.jpg
      |- pic02.jpg
      |- pic03.jpg

将所有分类文件夹打包为 zip 文件即可。

注意: 建议的图片分辨率 224*224, 上传之前可以使用工具批量转换一下每个分类不要低于 40 张图片，否则无法开始训练数据集压缩后大小不超过 20M 子目录名不能使用汉字

1.2. 使用转换工具处理

工具下载地址:点击下载 DataAssitantV1.2(20200602).zip.zip>)

将预处理软件下载完成之后，解压即可使用,双击.exe 文件
选择数据集预处理模型目标检测或目标分类
点击选择文件夹
点击开始处理即可, 处理模型为目标分类，直接把生成的 zip 文件上传到模型平台进行训练即可。

目标检测转换

使用工具转换之后，在使用 VoTT 标注生成 TFRecord 文件。

VoTT 下载地址 VoTT 帮助文档

安装完成后打开软件
然后左边这个export选项选择 tensorflow records,
全部标注完后点export
会在工程目录生成文件夹
将文件夹下面的文件全部打包成.zip 上传训练

2. 训练模型

2.1. 获取机器码

下载 key_gen 固件 key_gen_v1.2.zip
下载 kflash-gui kflash-gui
使用 kflash-gui 烧录 key_gen 固件
打开串口终端，重启开发板，可以看到打印出的机器码。

Please Send Bellow Data to Sipeed --> support@sipeed.com:

6f80dccbe29**********cc7e9d69f92

Generate key end

其中 6f80dccbe29**********cc7e9d69f92 就是对应开发板的机器码

警告：由于需要进行模型加密，key_gen.bin 将永远关闭 JTAG 端口，并写入一次性 AES KEY，请确认后再进行烧录。

2.2. 提交训练任务

打开模型训练平台
在填写邮箱处填写接受模型的邮箱
在填写机器码处填写机器码
点击上传数据集，点击上传文件选择准备好的 zip 数据集
点击开始训练，即可进入排队等待训练
训练结束后，可收到包含 kmodel 模型的邮件

3. 使用模型

模型有两种使用方式，可以使用 sd 卡或烧录 flash 的方式来运行模型脚本。

模型下载使用