使用说明

模型训练的目的是使用生成的训练数据进行神经网络模型训练。整体训练过程通过多次迭代（epoch）的方式来得到训练结果更优的网络模型，同时，通过超参数调优（学习率、单步运算量等）可提升模型训练效率和准确度，以得到可用的神经网络模型。
此外，也可以使用少量的样本数据对预训练模型进行微调，使模型更好地适应具体应用场景，同时减少训练时间。

参数说明

参数名	默认值	参数释义	参数类型
训练数据路径		指定生成的训练数据路径	String
训练模型用途	目标检测	指定训练数据用途	Object
模型算法		根据模型用途选择合适的模型算法	String
训练配置文件		指定训练配置文件路径	String
训练次数	10	模型训练的次数(epoch)，默认值为 10。随着训练次数的增多，模型拟合度越大，但次数太多可能会出现过拟合的情况，用户可根据需求选择，训练次数与运行花费时间成正比。最多训练300次，超过此数则不具有训练意义。	Integer
单步运算量	1	一次训练中单步运算的图片数量(Batch Size)。在合理范围内，单步运算的数量与内存（显存）占用成正比，与训练时间成反比。	Integer
学习率		模型参数的更新幅度。若难以确定合适的学习率，可不填写该参数，产品内设了基准学习率和基准单步运算量，将根据用户设置的单步运算量使用合适的学习率。	Double
训练日志路径		指定训练日志的保存路径。	String
加载预训练模型		勾选可添加预训练模型路径，进行迁移学习	Boolean
预训练模型		指定用于迁移学习的预训练模型文件（*.sdm）	String
微调方法	全量微调	对于Segformer和Mask2Former模型，支持全量微调和LoRA微调两种方法；其他模型仅支持全量微调。LoRA微调适用于大参数量模型的高效迁移训练，降低大参数量模型迁移学习资源消耗。	String
处理器类型	GPU	指定处理器类型	String
GPU编号	0	输入GPU编号。如需多卡推理，可以输入多个GPU编号，如输入“0,1,2”。	String
模型存储路径		指定模型存储路径	String
模型名	saved_model	指定模型名称	String

输出结果

模型训练生成的模型文件及日志。