XEduHub在Mind+推理猫狗模型案例

一、⽤AI解决问题⼤致可以分为模型训练和模型应⽤两个环节。

1.模型训练是指从收集数据开始，选择后者搭建算法，然后训练出具备某种智能的模型。

2.模型应⽤则是将训练好的模型部署到实际场景中，解决真实问题。

要让⼀个AI模型“变成”⼀个AI应⽤系统，要么将模型放在某个已经编写好的程序中；

要么结合某种编程语⾔，将模型集成到各种程序中。

XEdu⼯具中XEduHub库，⽀持推理各种⼯具训练的模型，此类库的安装⼀般⽐机器学习开发⼯具简单很多。模型训练到应⽤的⼀般流程如图所⽰。

二、XEduHub在Mind+推理猫狗模型案例

XEduHub是Python环境下的通⽤模型推理库，⽬前⽀持ONNX、pkl两种格式。

今天我们借助XEduHub，在⾏空板进行推理猫狗模型。

步骤1 行空板联网

步骤2 行空板安装xedu-python库

在Mind+的python模式下，远程连接行空板10.1.2.3，在库管理安装xedu-python库

步骤3 “扩展”中加载“行空板”、“OpenCV”、“XEduHub”

1.将Mind+切换为“python模式”下，连接远程控制：10.1.2.3；

2“扩展”中加载“行空板”,“OpenCV”

3.“扩展”中加载XEduHub

步骤4 左侧脚本区，添加XEduHub脚本

步骤5 上传推理图片

步骤6 编写程序

代码

import sys
sys.path.append("/root/mindplus/.lib/thirdExtension/nick-xeduhub_main-thirdex")
import re
import sys
from XEdu.hub import Workflow as wf
import os



def format_valve_output(task):
    try:
        output_result = ""
        output_result = task.format_output(lang="zh")
        return output_result
    except AttributeError:
        return "AttributeError: 请检查输入数据是否正确"


para_task1 = {}
init_para_task1 = {"task":"det_coco"}
init_para_task1["download_path"] = r"/root/checkpoint"
task1 = wf(**init_para_task1)
para_task1["data"] = "0.jpg"
para_task1["img_type"] = "cv2"

if 'task1' in globals() or 'task1' in locals():
    rea_result_task1 = task1.inference(**para_task1)
else:
    print("init",'task1')
    task1 = wf(**init_para_task1)
    rea_result_task1 = task1.inference(**para_task1)

print(rea_result_task1)
print("----------------------------------------------------------------------")
output_result_task1 = format_valve_output(task1)
print(output_result_task1)
task1.show(rea_result_task1)

XEduHub在Mind+推理猫狗模型案例 简单

XEduHub在Mind+推理猫狗模型案例简单