迭代模型
在模型上线一段时间后，若发现一些场景模型不能覆盖，此时需要进行模型迭代。传统的方案是增加数据重新训练，但可能会降低整体识别准确率，同时花费时间较长。可以使用“模型微调”的方式对模型迭代，既能保持模型当前的准确率，也能节省时间。
| 此功能仅在“开发者模式”下可用。 |
一般模型迭代
可通过以下方式对模型进行微调：
-
采集模型识别效果不好的图像。
-
使用 Mech-DLK 打开模型所属的工程。
-
在 中开启“开发者模式”。
-
将采集的图像加入到训练集和验证集中。
-
完成新增图像的标注。
-
在“训练”参数栏，单击 ，开启 微调。
-
在训练参数中，适当调低“学习率”参数；“总轮次”参数可以降低为50~80。
-
单击确认保存配置好的参数信息。
-
完成模型的训练和导出。
深度学习模型迭代
深度学习模型是梅卡曼德自研的通用模型，关于深度学习模型的详细介绍及使用说明请参考深度学习模型简介。
可通过以下方式对深度学习模型进行微调：
-
采集模型识别效果不好的图像。
-
使用 Mech-DLK 新建空白工程，并添加“实例分割”模块。
-
在 中开启“开发者模式”。
-
将采集的图像加入到训练集和验证集中。
-
完成新增图像的标注。
-
在“训练”参数栏，单击 ，开启 微调 。
-
勾选 深度学习模型微调 后，单击
选择深度学习模型（“.dlkmp” 文件）。 -
在训练参数中，适当调低“学习率”参数；“总轮次”参数可以降低为50~80。
-
完成模型的训练和导出。