AI嵌入式K210项目(28)-在线模型训练


前言

前面我们使用已经训练好的模型在K210开发板上进行了人脸识别,口罩识别,手写数字识别等实验,那么模型除了使用已经训练好的,如何根据自己的需求,获得相应的模型那?本章我们来介绍下如何使用嘉楠科技提供的在线模型训练工具;

一、平台介绍

嘉楠科技开发者社区(https://developer.canaan-creative.com/)模型训练板块是为简化开发流程,提高开发效率开放的训练平台。该平台使用户更加注重视觉场景的落地实现,更加快捷的完成从数据标注到获得部署包,并在搭载嘉楠科技Kendryte®
系列AIoT芯片中最新一代SOC产品K230的开发板上进行部署的全部过程。该平台现支持图像分类和图像检测两类任务。
在这里插入图片描述
模型训练平台对接用户和板上开发人员,通过创建项目对具体场景下的AI落地过程进行管理,导入数据后需要用户创建任务并配置训练参数,然后一键启动训练,训练结束后得到部署资源包。部署资源包可以和K230 SDK结合使用,完成后续的开发板开发工作,实现模型部署。

二、创建项目

进入嘉楠科技开发者社区模型训练板块,进入前需要进行账号注册:官网
在这里插入图片描述
开始创建项目
在这里插入图片描述
项目创建完成后在项目列表可以看到新建的项目。
在这里插入图片描述
点击项目列表中的新创建项目条目,确定当前选中项目。
在这里插入图片描述

三、上传数据集

图像分类

创建数据集
在这里插入图片描述
在这里插入图片描述
绑定新建数据集到当前项目
在这里插入图片描述
采集数据
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
分类任务要求至少上传两个类别。

使用鲜花分类数据集进行测试,数据集见:代码仓库:https://gitcode.com/bin_zhangg0n/K210/tree/main
在添加数据集时注意图片数据数据不能太多,限制100张左右
在这里插入图片描述
设置好图片和标签后,进入队列…
在这里插入图片描述

图像检测

图像检测任务和图像分类任务的项目创建方式一致。创建一个昆虫检测项目,绑定数据集。
在这里插入图片描述
数据上传方式包括两种方式:图片和压缩包
在这里插入图片描述

图片上传

在这里插入图片描述
添加标签
在这里插入图片描述
在这里插入图片描述
完成当前图片标注后保存标签。标注完所有图片后启动训练。

压缩包上传

选择压缩包格式上传
在这里插入图片描述
压缩包必须按照图示格式进行组织。
查看导入的图片标注信息。
在这里插入图片描述

四、新建任务

在这里插入图片描述
设置训练参数
在这里插入图片描述
在这里插入图片描述
点击详情进入训练界面
在这里插入图片描述
训练过程中输出日志和损失曲线等信息。

我训练的鲜花分类等待了一天时间,完成训练
在这里插入图片描述

总结

本章学习了在线模型训练平台的使用,下一章我们介绍如何部署训练好的模型

  • 11
    点赞
  • 24
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 4
    评论
K210是一种高性能嵌入式AI芯片,可用于训练人脸模型。为了训练人脸模型,我们首先需要一个包含人脸图像数据的数据集。数据集应包含不同人的多个图像,以便模型能够学习并识别各种不同的人脸。 在使用K210训练人脸模型之前,我们需要使用适当的图像处理技术来准备数据集。这可以包括人脸检测和人脸对齐等步骤,以确保所有图像都以相似的方式对齐和剪裁。这些步骤有助于提供更好的训练数据,以获得更准确的人脸模型。 一旦数据集准备好,我们可以使用K210进行模型训练K210芯片具有高性能计算能力和低功耗特性,非常适合用于训练深度学习模型。我们可以使用深度学习框架,例如TensorFlow或PyTorch,结合K210的硬件优势来进行训练。 在训练过程中,我们将数据集输入模型并通过反向传播优化模型参数。这个过程需要大量的计算资源和时间,但是K210芯片的高性能计算能力可以加快这个过程。我们可以根据需要进行多轮的训练,并使用评估指标来监控模型的性能。 一旦训练完成,我们可以将训练好的人脸模型部署到K210芯片上,以用于实时的人脸识别应用。K210芯片的低功耗特性使其能够在嵌入式设备上高效地运行人脸模型,实现快速而准确的人脸识别。 总之,使用K210数据集训练人脸模型可以通过准备数据集、用K210进行模型训练和最终的部署步骤,最终实现高效而准确的人脸识别应用。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

疯狂飙车的蜗牛

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值