海康威视 VisionMaster (VM) 的深度学习功能使用流程主要分为模型训练和方案部署两大阶段第一阶段模型训练使用 VisionTrain 工具最低硬件配置要求操作系统Windows 7 / Windows 1064位中文操作系统。CPUIntel 3845 或以上如果仅使用 CPU 进行深度学习推理官方建议 i9-10900K 及以上。内存8GB 及以上。显卡使用 GPU 深度学习功能显存必须达到 6GB 及以上。必须使用 NVIDIA 独立显卡GPU。原因深度学习训练的计算量极大依赖 GPU 进行并行加速。配置要求官方推荐显存6GB 及以上如 GTX 1660 Super、RTX 2080、RTX 3070 等。如果显存不足训练过程会非常缓慢甚至直接报错。其他需要安装 .NET 4.6.1 及以上运行环境建议配备 USB 3.0 接口和千兆网卡。2.深度学习功能使用流程主要分为模型训练和方案部署两大阶段1模型训练使用 VisionTrain 工具1.1 采集与准备图像采集实际场景的图像建议每类样本至少准备 10-20 张具有代表性的图片。注意训练集至少需要 11 张图片才能启动训练1.2选择平台 和训练类型 (当前选择的是VM平台和图像分类)1.2 图像标注打标新建训练集并加载图片打标1.3 训练参数设置1. Local Training (Currently Selected)Utilizes the local RTX 3060 Laptop GPU to complete training, data stays local, most commonly used for debugging; the interface additionally displays the MuMu virtual display adapter, which is only for the display layer, with computing power provided by the RTX3060.2. Cloud Server Training: Upload samples to Hikvisions cloud computing power, suitable for scenarios without a dedicated GPU or with large sample sets.3. Local Server Training: Distributed training on a dedicated GPU host within the LAN, used for multi-workstation collaborative projects.迭代轮次:算法内部称为Epoch 一轮就是将所有训练样本训练一次的过程。增大迭代伦次可以增加训练的迭代次数。参数根据图片数量设置。30张设置700轮。100张设置500轮。500张设置200轮。1000张设置150轮。5000张设置100轮。10000张设置60轮。100000张设置50轮。若训练过程中曲线任有明显的下降趋势,可以暂停训练增大迭代伦次。基础学习率:更新参数时前进的步长。一般按默认值1设置不需改动。Patch大小:训练过程中输入神经网络的图像尺寸。有大中小可供选择对应的缩放分辨率为608416288。目标占图片比例小则推荐选择大patch占比大则可选择中或小patch。为了保证效果建议选择大Patch。模型能力:处理复杂图片的能力有普通和高精度两种模式选择。普通训练、检测速度更快消耗的显存资源更小。高精度检测效果更加精确但资源消耗大。小目标、精度要求高推荐使用高精度模式大目标、精度要求较低推荐使用普通模式。为了保证效果建议选择高精度版本VM400 支持 visionmaster4.0以上版本是否剪枝开关选项开启后对训练完成的神经网络做模型剪枝剔除冗余权重减小模型体积、提升推理速度轻微牺牲极少精度现场部署推荐开启。​是否增强开关选项开启代表训练阶段启用图像增强翻转、缩放、加噪、明暗变化等提升模型泛化能力应对工件位置、光照变化。​模型标识自定义备注文字框用于标注模型用途、物料名称、版本号方便后期多模型区分管理。模型生成位置训练完毕后 生成的文件曲线现状解读1. 纵轴训练误差数值越低代表模型拟合效果越好横轴迭代轮次总目标100轮​2. 变化趋势- 0~40轮误差快速断崖式下降模型快速学习样本特征收敛效果良好​- 40轮之后误差趋近于0曲线基本走平模型已经充分拟合训练数据核心调参技巧看曲线不只看数字设置好初始的迭代次数后千万不要盲目等它跑完。训练过程中最核心的判断依据是误差曲线Loss曲线曲线仍在下降如果在训练快结束时误差曲线依然有明显的下降趋势说明模型还没“学够”。此时可以点击暂停训练手动增大迭代次数继续训练。曲线平稳收敛如果误差曲线已经变得非常平缓或者在图像检索任务中收敛在 0.5~0.6 之间说明模型已经训练得很好了可以提前结束训练。训练模型文件 路径第二阶段方案部署在 VisionMaster 中运行1.1 打开深度学习版本VisionMasterVisionMaster_Patch是深度学习的安装包安装完该Patch包后VisionMaster才可以正常使用深度学习的模块1.2设置检测流程添加图像源和深度学习分类GPU加载训练模型文件预设图像中出现的类别的个数1.3运行流程 查看匹配结果