在线教程
训练管理
开始训练
- 在训练页面，点击「创建训练」
- 输入训练任务名称
- 输入训练轮数。10 代表所有的数据训练 10 次。
- 提前退出轮数（Early Stopping），这里选择 3。若训练指标在连续指定轮数内无明显提升，则自动停止训练，避免浪费计算资源。建议设为 3～5。
- 选择设备和训练的模型
- 点击「开始训练」即可
查看结果
点击训练即可进入训练详情页面，查看训练的结果。
如果是目标检测项目：
可以看到 loss 在下降，mAP 在上升。 到达 0.9 是非常好的效果。
- loss 代表模型和训练数据的差距，loss 在下降说明模型越来越拟合数据。
- mAP 代表模型在测试数据的平均准确度，mAP 在上升说明模型越来越准确。
如果是分类项目：
可以看到 loss 在下降，accuracy 在上升。 到达 0.9 是非常好的效果。
- loss 代表模型和训练数据的差距，loss 在下降说明模型越来越拟合数据。
- accuracy 代表模型在测试数据的准确度，accuracy 在上升说明模型越来越准确。
下载模型
在「部署」> 「下载模型文件」即可下载训练完的模型，下载后的文件可用于上传到摄像头。
精度优化
如果你发现 mAP 或者 accuracy 的值比较低：
- 查看数据集是不是有标注错误。
- 查看数据集是不是数量太少。至少每个分类 1000 张，越多越好。
- 查看表格里 mAP 或者 accuracy 如果有上升的趋势，增加 epoch 重新训练。
如果你发现 mAP 或者 accuracy 的值不低，但是在某些场景下出错：
- 在会出错的场景下采集图片，然后上传到数据集，然后标注。
- 图像尽量覆盖所有的实际场景。