迭代模型
若发现模型在部署后表现效果不佳，可以进行模型迭代。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
对用户自行训练得到的模型，可通过以下方式进行微调：
-
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”。
-
导入采集的图像并完成标注。
-
单击
。在训练参数设置窗口中的模型微调选项卡下，开启微调并勾选自我微调。 -
切换到训练参数选项卡，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，并添加对应的算法模块。
-
在 中开启“开发者模式”。
-
导入采集的图像并完成标注。
-
单击
。在训练参数设置窗口中的模型微调选项卡下，开启微调并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。
级联模型迭代
训练级联模型时，可在模块栏选中单个模块，使用以上操作方式迭代该模块。
级联模块前序模块更新后，后序模块也需要重新训练。若某一模块出现漏检、过检等情况，应对该模块进行迭代，然后在下一级模块中使用该模块的新增图像作为迭代数据，对下级模块进行迭代。