语义分割

支持在模型工程中训练语义分割模型。 支持使用数据集对训练所得模型进行评估、推理，并展示结果。

模型版本

模型版本用于管理训练得到的模型，通过创建模型版本可以一键进行模型的训练、训练可视化 (TensorBoard)、评估、推理。 训练的基本配置信息、日志、监控等内容可在模型版本详情页中查看。训练可视化、评估、推理的配置等信息可以在任务详情页中查看。

创建模型版本

创建之前，需要先创建 模型工程、用于训练的 标注数据集。 标注数据集要求使用“语义多边形”标注规则标注，“语义多边形”规则的创建方式可以参考 标注规则集。

1. 左侧功能栏选择“0 代码训练”；

2. 在模型工程列表页单击创建好的模型工程名称；

3. 单击上方“模型版本”，进入子页面；

4. 单击“创建模型版本”按钮，打开创建页面；

5. 按照页面提示配置参数：

   表 78 创建“语义分割”类型的模型版本参数

   名称	必填项	说明
   模型版本名称	是	需要包含3位数字，如 1.0.0
   存储集群	是
   可视化时长	是	TensorBoard 的使用时长
   类型	是	模型类型，此处应该选择“语义分割”
   模型规模	是	预置模型的规模，有“大”、“中”、“小”三种选择
   预训练模型	是	该选项的可选值由“类型”和“模型规模”配置决定， 因此，该选项在填写完成“类型”和“模型规模”之后出现
   单节点规格	是	依托于模型版本创建的训练、评估、推理任务的算力规格, 支持多选
   节点数	是	每个任务总的资源量为 单节点规格 x 计算节点数量
   训练数据	是	使用“语义多边形”规则标注的标注数据集，用于训练模型
   训练参数	是	“learning_rate”: 训练学习率 “batch_size”: 每张卡每批次训练的样本数 “cycle_count”: 训练周期数
   评估数据	否	使用“语义多边形”规则标注的标注数据集，用于评估训练得到的模型， 如果填写，模型版本在训练完成后将会自动创建评估任务
   评估参数	否	“batch_size”: 每张卡每批次测试的样本数
   推理数据	否	可选“标注数据集”、“我的数据集”或“数据集收藏”， 模型推理所用数据。 如果填写，模型版本在训练完成 后将会自动创建推理任务
   推理参数	否	“batch_size”: 每张卡每批次推理的样本数

6. 单击“创建”。

   

   图 103 创建模型版本

模型版本其余的操作方式和 分类 中一致，请参考 模型版本。

TensorBoard

TensorBoard 在 创建模型版本 后将会自动创建。 用户可以打开“运行中”状态的 TensorBoard 可视化界面，查看“语义分割”模型训练过程。

查看 TensorBoard

1. 左侧功能栏选择“0 代码训练”；

2. 在模型工程列表页单击 TensorBoard 所在模型工程的名称；

3. 单击页面上方 TensorBoard，进入子页面；

4. 查找需要可视化的 TensorBoard， 单击 TensorBoard 地址；

5. 查看“语义分割”模型训练过程的可视化曲线。

   

   图 104 “语义分割”模型训练过程可视化曲线

   ① 每个 epoch 在测试集上的 mIoU 曲线

   ② 每个 epoch 在测试集上的 mAcc 曲线

   ③ 每个 epoch 在测试集上的 aAcc 曲线

   ④-⑥ 每个 iteration 在训练集的 loss 曲线

TensorBoard 其余的操作方式和 分类 中一致，请参考 TensorBoard。

评估任务

评估任务用于评估 模型版本 中的模型。

创建评估任务的方式有两种:

1. 在 创建模型版本 时，表单中填写“评估数据”和“评估参数”，在训练完模型之后将会自动创建评估任务;

2. 选择已经创建的模型版本，配置“评估数据”和“评估参数”，对模型进行评估，过程参见 创建评估任务。

用户可以打开“成功”状态的评估任务的“可视化”界面，查看“语义分割”模型评估指标。

创建评估任务

创建之前，需要先 创建模型版本， 并确保其类型为“语义分割”，状态为“成功”。

1. 左侧功能栏选择“0 代码训练”；

2. 在模型工程列表页单击待评估的模型版本所在的模型工程名称；

3. 单击上方“评估任务”，进入子页面；

4. 单击“创建评估任务”按钮，打开创建页面；

5. 按照页面提示配置参数：

   表 79 创建评估任务参数

   名称	必填项	说明
   评估任务名称	是
   模型版本	是
   数据	是	使用“语义多边形”规则标注的标注数据集
   评估参数	是	“batch_size”: 每张卡每批次测试的样本数
   单节点规格	是	评估任务的算力规格
   节点数	是	每个任务总的资源量为 单节点规格 x 计算节点数量, 评估任务中“节点数”固定为 1

4. 单击“创建”。

   

   图 105 创建评估任务

查看评估任务详情

1. 左侧功能栏选择“0 代码训练”；

2. 在模型工程列表页单击评估任务所在模型工程名称；

3. 单击页面上方“评估任务”，进入子页面；

4. 单击评估任务名称，进入评估任务详情页，可查看评估任务状态、详情、规格、评估参数等信息；

5. 在评估任务详情页，单击上方“监控 ”功能，可查看评估任务 CPU、内存、MLU、网络流量等资源的监控；

6. 在评估任务详情页，单击上方“日志 ”功能，可查看评估任务的日志、事件信息；

7. 在评估任务详情页，单击上方“检测结果”功能，可查看被评估模型对标注数据集中图像的检测结果。如下图所示，左侧为图像列表，点击名称，右侧会展示相应预测图像预览及预测结果。

   

   图 106 “语义分割”模型的评估任务检测结果

   检测结果包含 dobjects、 dclasses, dconfidences 字段，分别对应：物体的 mask 点坐标列表、物体检测的类别列表、每个检测结果的置信度列表。 更多说明可参见 在线测试 中输出格式部分。

   图片预览中包含推理所得标注框及真实标注框。推理所得标注用蓝色标识，标注上方会注明物体的检测类别并在括号中展示其置信度，真实标注用黄色标识，在标注下方展示物体类别。

8. 在评估任务详情页，单击上方“可视化”功能，可查看“语义分割”模型的以下评估指标：总体评估为 mIoU (每个类的预测和 GT 的交并比，然后逐类做平均)，详细评估采取各个类别的 IoU, Acc。

   

   图 107 “语义分割”模型的评估结果

评估任务其余的操作方式和 分类 中一致，请参考 评估任务。

评估对比

评估对比的操作方式和 分类 中一致，请参考 评估对比。

推理任务

推理任务使用 模型版本 中的模型，推理数据集。

创建“推理任务”的方式有两种:

1. 在 创建模型版本 时，表单中填写“推理数据”和“推理参数”，在训练完模型之后将会自动创建推理任务;

2. 选择已经创建的“模型版本”，配置“推理数据”和“推理参数”，对模型进行推理，过程参见 创建推理任务。

创建推理任务

创建之前，需要先 创建模型版本， 并确保其类型为“语义分割”，状态为“成功”。

1. 左侧功能栏选择“0 代码训练”；

2. 在“模型工程”列表页单击待推理的“模型版本”所在的“模型工程”；

3. 单击上方“推理任务”，进入子页面；

4. 单击“创建推理任务”按钮，打开创建页面；

5. 按照页面提示配置参数：

   表 80 创建推理任务参数

   名称	必填项	说明
   推理任务名称	是
   模型版本	是
   数据	是	可选“标注数据集”、“我的数据集”或“数据集收藏”， 用于推理训练得到的模型
   推理参数	是	“batch_size”: 每张卡每批次推理的样本数
   单节点规格	是	推理任务的算力规格
   节点数	是	每个任务总的资源量为 单节点规格 x 计算节点数量, 推理任务中“节点数”固定为 1

4. 单击“创建”。

   

   图 108 创建推理任务

推理任务其余的操作方式和 分类 中一致，请参考 推理任务。