关键点

用于进行图像关键点检测的深度学习组件，输入为图像，输出为检测出的关键点的坐标。

节点输入输出

训练节点

输入：

• train（必选）： 训练数据集，需要是标注数据集的格式。

• validation（可选）： 验证数据集，需要是标注数据集的格式，用于在训练过程中监测模型精度。

• test（可选）：测试数据集，需要是标注数据集的格式。

输出：

• outputModel（必选）：训好模型的保存位置。

• modeling（可选）：用于连接评估节点。

评估节点

输入：

• data（必选）： 用于评估任务的数据集，需要是标注数据集的格式。

• model/modeling（二选一）： 用于连接训练节点。

组件配置

在工作流页面配置组件参数。

表 50 训练组件参数

参数	必填	描述
算法	是	用于图像关键点检测任务的预置模型，支持如下几种模型 （模型介绍参考 关键点 ）： GPU: rtmpose MLU: rtmpose
训练参数-Lr	是	初始学习率大小。
训练参数-Number_of_epochs	是	所有样本训练完成一轮表示一个 epoch。总的 epoch 轮数表示所有样本共训练多少轮。
训练参数-Batch_size	是	训练的批大小，即模型训练过程中，每次迭代（每一步）训练的样本数量。
训练参数-Weight_decay	是	训练使用的 L2 权重衰减系数。
训练参数-Optimizer	是	训练使用的优化器类型，支持 Adadelta，Adam，RMSprop，SGD，AdamW，RAdam，NAdam 七种。
训练参数-Momentum	是	RMSprop, SGD 优化器中的动量。
训练参数-Nesterov	是	是否在 SGD 优化器中开启 Nesterov 动量。
训练参数-Rho	是	用于计算梯度平方的滑动平均值的系数，仅在 Adadelta 优化器中使用。
训练参数-Beta1	是	用于计算梯度的滑动平均值的系数, 仅在 Adam，AdamW，RAdam，NAdam 优化器中使用。
训练参数-Beta2	是	用于计算梯度平方的滑动平均值的系数, 仅在 Adam，AdamW，RAdam，NAdam 优化器中使用。
训练参数-Clip_grad	是	是否使用梯度裁剪。
训练参数-Max_norm	是	梯度裁剪的最大值。
训练参数-Norm_type	是	梯度裁剪使用的范数。
训练参数-Lr_scheduler_type	是	学习率下降策略，支持 cosine, step, polynomial 三种。
训练参数-Milestones	是	在 step 策略下的学习率阶梯下降的 epoch 节点。
训练参数-Use_warm_up	是	是否开启学习率热身。
训练参数-Ckpt_save_interval	是	保存两个 checkpoint 之间的 epoch 数。
训练参数-Max_keep_ckpts	是	最多能够保存的 checkpoint 数量。
训练参数-Logging_interval	是	日志打印间隔。
训练参数-Val_interval	是	训练过程中进行评估间隔的 epoch 数，需给定验证数据集。
训练参数-Input_size	是	输入网络的图像分辨率，显存消耗随分辨率增大而增大。
资源类型	是	选择资源池类型。
单节点规格	是	选择进行训练任务的单节点算力规格。
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 。
使用时长	是	支持配置使用时长。

表 51 评估组件参数

参数	必填	描述
单节点规格	是	选择进行评估任务的单节点算力规格。