跳至内容
Knotest Learn
加入等候名单

加入并设定模型

让模型档案、任务与执行解读保持一致。

已储存模型的档案与设定,独立于推论引擎安装。可用档案仍需要符合汇出方式与资料集任务的设定。

  1. 汇入并检查

    在 Vault → Models 使用汇入操作,确认任务、输入形状或前处理、输出解读及适用类别,并与模型提供者资讯核对。

    PyTorch 与 YOLO 检查点需要 ZIP 序列化。旧权重须以目前 torch.save 重新储存,或汇出 ONNX,再用于执行。

  2. 设定 ONNX 输出

    支援的解读包含分类、表格分类/回归、已解码旋转框,以及原始 YOLO 侦测、分割与旋转框。

    选择符合汇出的 Output interpretation。原始 Ultralytics 汇出使用 letterbox 前处理;旋转框角度采弧度。输出不明确时,指定适用的 Output tensor name 与 Mask prototype tensor name。

    内嵌抑制或其他输出惯例需要相符的支援解读。将解读与前处理保留在模型的版本化执行设定中。

  3. 准备执行

    完成引擎设定与授权同意,再于执行项目选择模型。