Hi-FT/ERD项目实用工具指南:从模型分析到部署全流程
2025-06-19 06:59:57作者:滑思眉Philip
工具集概述
Hi-FT/ERD项目提供了一套完整的工具集,覆盖了深度学习模型开发全周期的各个环节。这些工具不仅能够帮助开发者进行常规的训练和测试,还能提供模型分析、可视化、部署等高级功能。本文将详细介绍这些实用工具的使用方法和应用场景。
训练日志分析工具
功能说明
analyze_logs.py
是一个强大的训练日志分析工具,能够从训练日志中提取关键指标并生成可视化图表。该工具支持以下功能:
- 绘制损失函数变化曲线
- 可视化mAP等评估指标
- 计算平均训练速度
- 多实验对比分析
使用方法
python tools/analysis_tools/analyze_logs.py plot_curve \
[--keys ${KEYS}] \
[--eval-interval ${EVALUATION_INTERVAL}] \
[--title ${TITLE}] \
[--legend ${LEGEND}] \
[--backend ${BACKEND}] \
[--style ${STYLE}] \
[--out ${OUT_FILE}]
典型应用场景
-
监控训练过程:通过绘制分类损失曲线,实时观察模型收敛情况
python tools/analysis_tools/analyze_logs.py plot_curve log.json --keys loss_cls --legend loss_cls
-
多任务分析:同时可视化分类和回归损失,全面评估模型表现
python tools/analysis_tools/analyze_logs.py plot_curve log.json --keys loss_cls loss_bbox --out losses.pdf
-
模型对比:将不同实验的mAP指标绘制在同一图表中进行比较
python tools/analysis_tools/analyze_logs.py plot_curve log1.json log2.json --keys bbox_mAP --legend run1 run2
-
性能评估:计算平均训练速度,识别训练瓶颈
python tools/analysis_tools/analyze_logs.py cal_train_time log.json
结果分析工具
功能说明
analyze_results.py
能够对测试结果进行深入分析,包括:
- 计算单张图像的mAP
- 保存得分最高和最低的预测结果
- 可视化预测框与真实标注的对比
使用方法
python tools/analysis_tools/analyze_results.py \
${CONFIG} \
${PREDICTION_PATH} \
${SHOW_DIR} \
[--show] \
[--wait-time ${WAIT_TIME}] \
[--topk ${TOPK}] \
[--show-score-thr ${SHOW_SCORE_THR}] \
[--cfg-options ${CFG_OPTIONS}]
参数说明
config
:模型配置文件路径prediction_path
:测试生成的pkl结果文件show_dir
:结果保存目录--show
:是否实时显示结果--topk
:保存得分最高/低的图像数量--show-score-thr
:结果过滤阈值
可视化工具套件
数据集可视化
browse_dataset.py
可以帮助开发者直观地检查数据集标注质量:
python tools/misc/browse_dataset.py ${CONFIG} \
[--skip-type ${SKIP_TYPE}] \
[--output-dir ${OUTPUT_DIR}] \
[--not-show] \
[--show-interval ${SHOW_INTERVAL}]
模型结构可视化
- 首先将模型转换为ONNX格式
- 使用Netron等工具可视化模型结构
预测结果可视化
提供轻量级GUI界面,支持交互式查看检测结果。
模型错误分析
coco_error_analysis.py
专门针对COCO数据集进行错误分析:
python tools/analysis_tools/coco_error_analysis.py \
${RESULT} \
${OUT_DIR} \
[--ann ${ANN}] \
[--types ${TYPES}]
该工具能够:
- 按类别分析错误类型
- 生成可视化报告
- 识别模型薄弱环节
模型部署方案
TorchServe部署流程
-
环境准备:安装TorchServe及相关依赖
python -m pip install torchserve torch-model-archiver torch-workflow-archiver nvgpu
-
模型转换:将Hi-FT/ERD模型转换为TorchServe格式
python tools/deployment/mmdet2torchserve.py ${CONFIG} ${CHECKPOINT} --output-folder ${MODEL_STORE} --model-name ${MODEL_NAME}
-
服务启动:
torchserve --start --ncs --model-store ${MODEL_STORE} --models ${MODEL_NAME}.mar
-
服务测试:
curl http://127.0.0.1:8080/predictions/${MODEL_NAME} -T test_image.jpg
-
服务停止:
torchserve --stop
模型复杂度分析
get_flops.py
可以计算模型的FLOPs和参数量:
python tools/analysis_tools/get_flops.py ${CONFIG} [--shape ${INPUT_SHAPE}]
输出示例:
Input shape: (3, 1280, 800)
Flops: 239.32 GFLOPs
Params: 37.74 M
数据集工具
格式转换
支持将Cityscapes和Pascal VOC数据集转换为COCO格式:
python tools/dataset_converters/cityscapes.py ${CITYSCAPES_PATH} -o ${OUT_DIR}
python tools/dataset_converters/pascal_voc.py ${DEVKIT_PATH} -o ${OUT_DIR}
数据集下载
提供一键下载常用数据集功能:
python tools/misc/download_dataset.py --dataset-name coco2017
python tools/misc/download_dataset.py --dataset-name voc2007
python tools/misc/download_dataset.py --dataset-name lvis
性能基准测试
FPS测试
python -m torch.distributed.launch --nproc_per_node=1 tools/analysis_tools/benchmark.py \
${CONFIG} \
[--checkpoint ${CHECKPOINT}] \
[--repeat-num ${REPEAT_NUM}] \
--launcher pytorch
鲁棒性测试
评估模型在不同干扰条件下的表现:
python tools/analysis_tools/test_robustness.py ${CONFIG} ${CHECKPOINT}
高级功能
YOLO锚框优化
提供两种优化方法:
- K-means聚类
- 差分进化算法
python tools/analysis_tools/optimize_anchors.py ${CONFIG} \
--algorithm differential_evolution \
--input-shape 608 608 \
--output-dir work_dirs
混淆矩阵分析
生成预测结果的混淆矩阵:
python tools/analysis_tools/confusion_matrix.py ${CONFIG} ${DETECTION_RESULTS} ${SAVE_DIR} --show
遮挡物体评估
专门针对遮挡物体的评估指标:
python tools/analysis_tools/coco_separated_occluded_mask.py ${RESULT} --ann ${ANN}
结语
Hi-FT/ERD项目提供的这套工具集覆盖了目标检测模型开发和应用的各个环节,从训练监控、结果分析到模型部署,大大提升了开发效率。合理使用这些工具可以帮助开发者更深入地理解模型行为,快速定位问题,并优化模型性能。
登录后查看全文
热门项目推荐
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0370Hunyuan3D-Part
腾讯混元3D-Part00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0102AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
205
2.19 K

暂无简介
Dart
514
115

Ascend Extension for PyTorch
Python
62
95

本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
550
86

React Native鸿蒙化仓库
C++
208
285

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
976
576

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
399

openGauss kernel ~ openGauss is an open source relational database management system
C++
146
193