• MMEdu
  • BaseML
  • BaseNN
1
任务选择
2
模型选择
3
数据集选择
4
参数设置
5
开始训练
{% if task == 'reg' %}

已选择的任务:回归任务

{% elif task == 'cls' %}

已选择的任务:分类任务

{% elif task == 'clt' %}

已选择的任务:聚类任务

{% endif %}
  • MMEdu
  • BaseML
  • BaseNN
1
任务选择
2
模型选择
3
数据集选择
4
参数设置
5
开始训练
{% if task == 'classification' %}

已选择的任务:分类任务

{% elif task == 'detection' %}

已选择的任务:检测任务

{% endif %}

已选择的模型:{{model}}

了解更多
  • MMEdu
  • BaseML
  • BaseNN
1
任务选择
2
模型选择
3
数据集选择
4
参数设置
5
开始训练
{% if task == 'classification' %}

已选择的任务:分类任务

{% elif task == 'detection' %}

已选择的任务:检测任务

{% endif %}

已选择的模型:{{model}}

已选择的数据集:{{dataset}}

  • MMEdu
  • BaseML
  • BaseNN
1
任务选择
2
模型选择
3
数据集选择
4
参数设置
5
开始训练
参数设置↓
  • 了解更多
                         点击下方按钮生成代码
                        
                    
  • MMEdu
  • BaseML
  • BaseNN
1
任务选择
2
模型选择
3
数据集选择
4
参数设置
5
开始训练




                         
# 当我们训练好这个模型文件,怎么使用呢?
# 模型推理参考代码,你可以在本地XEdu一键安装包中运行:
from XEdu.hub import Workflow as wf # 使用BaseML训练的鸢尾花聚类模型推理
baseml = wf(task='baseml',checkpoint='./my_checkpoints/xxx/baseml.pkl') # 指定使用的pkl模型
data = [[5.1,1.5],[7,4.7]] # 推理的范例数据,你需要修改为和你训练时传入数据维度一致
result= baseml.inference(data=data) # 进行模型推理
format_output = baseml.format_output(lang='zh') # 推理结果格式化输出
                        
                    

点击下方的“开始训练”,训练代码已保存在./XEdu/baseml_code.py,模型将保存在./XEdu/my_checkpoints。

Previous Next

模型转换

模型训练已经完成,是否要将模型格式转换为onnx格式?

设置成功

您的设置已成功保存。

设置其他训练参数

训练结束!

训练已经结束,模型权重和日志已存储至……

模型转换完成!

模型转换中……

模型转换中……请稍候

训练终止

训练已终止,请重新训练