tao-train-deformable-detr

Deformable DETR

用于 2D 目标检测的 Deformable DETR。使用可变形注意力高效处理多尺度特征。比 DINO 更轻量，且准确率具有竞争力。

使用预训练主干网络权重。设置 model.pretrained_backbone_path 以仅加载主干网络。

对于 TAO Deploy TensorRT 操作（gen_trt_engine、TensorRT evaluate 和 TensorRT inference），请先阅读 references/tao-deploy-deformable-detr.md。Deploy 规范模板位于此技能的 references/ 文件夹中，文件名前缀为 spec_template_deploy_*.yaml。

Dataclass 架构

生成的 TAO Core 架构打包在 schemas/<action>.schema.json 中，schemas/manifest.json 列出了可用操作。每个生成的架构还会根据架构顶层的 default 字段生成 references/spec_template_<action>.yaml。AutoML 启用状态通过 references/skill_info.yaml 中模型层级的 automl_enabled 声明。可运行的 AutoML 还要求 schemas/train.schema.json 和 references/spec_template_train.yaml 存在且可解析。使用打包的训练架构获取 automl_default_parameters、automl_disabled_parameters、默认值、最小值／最大值界限、枚举、选项权重、数学条件、依赖项和常用参数。不要假设运行时存在 ~/tao-core；维护者会在打包技能库之前重新生成架构／模板。

训练操作策略

此模型在模型层级启用了 AutoML。处理任何训练阶段请求之前，请先读取 references/skill_info.yaml，并根据显式的 automl_policy 值或用户的工作流请求确定本次运行的策略。将“turn off AutoML”“disable AutoML”“no HPO”或“plain training”等说法视为仅对本次运行设置 automl_policy: off；否则默认为 auto。当 automl_policy: auto、automl_enabled: true，且已打包 schemas/train.schema.json 和 references/spec_template_train.yaml 时，默认通过 tao-skill-bank:tao-run-automl 执行训练操作，并使用此模型的 skill_dir。保留工作流／应用层对数据集、规范、输出目录、GPU／平台设置、父检查点和 automl_policy 的覆盖值。仅当 automl_policy: off 或缺少打包的训练架构／模板时，才直接训练模型；若缺少架构，请说明此模型已启用 AutoML，但在生成架构之前无法运行 AutoML。

evaluate、inference、export 等非训练操作以及 Deploy 工作流仍由此模型技能处理。每次运行的 automl_policy 覆盖值不会更改模型元数据。

训练要求

• 数据集类型： object_detection
• 格式： coco、coco_raw
• 监控指标： val_mAP50

各操作的数据集要求

操作	规范键	来源	文件	是否为列表？
evaluate	dataset.test_data_sources.image_dir	eval_dataset	images.tar.gz	否
evaluate	dataset.test_data_sources.json_file	eval_dataset	annotations.json	否
export	dataset.train_data_sources	train_datasets	image_dir: images.tar.gz, json_file: annotations.json	是
export	dataset.val_data_sources	train_datasets	image_dir: images.tar.gz, json_file: annotations.json	是
gen_trt_engine	gen_trt_engine.tensorrt.calibration.cal_image_dir	calibration_dataset	images.tar.gz	是
inference	dataset.infer_data_sources.image_dir	inference_dataset	images.tar.gz	是
inference	dataset.infer_data_sources.classmap	inference_dataset	label_map.txt	否
quantize	dataset.train_data_sources	train_datasets	image_dir: images.tar.gz, json_file: annotations.json	是
quantize	dataset.val_data_sources	train_datasets	image_dir: images.tar.gz, json_file: annotations.json	是
quantize	dataset.quant_calibration_data_sources	train_datasets	image_dir: images.tar.gz, json_file: annotations.json	否
train	dataset.train_data_sources	train_datasets	image_dir: images.tar.gz, json_file: annotations.json	是
train	dataset.val_data_sources	train_datasets	image_dir: images.tar.gz, json_file: annotations.json	是

常见规范覆盖项

每项操作都必须覆盖数据源——Agent 必须根据上方“各操作的数据集要求”表构建数据源路径，并将其纳入 spec_overrides。

S3_TRAIN = "s3://bucket/data/train"
S3_EVAL = "s3://bucket/data/eval"

train（必需数据源）：

{
    "train.num_epochs": 10,
    "train.checkpoint_interval": 10,
    "train.validation_interval": 10,
    "train.num_gpus": 1,
    "dataset.num_classes": "<num_classes> + 1",
    "dataset.train_data_sources": [{"image_dir": f"{S3_TRAIN}/images.tar.gz", "json_file": f"{S3_TRAIN}/annotations.json"}],
    "dataset.val_data_sources": [{"image_dir": f"{S3_TRAIN}/images.tar.gz", "json_file": f"{S3_TRAIN}/annotations.json"}],
}

evaluate（必需数据源）：

{
    "dataset.num_classes": "<num_classes> + 1",
    "dataset.test_data_sources.image_dir": f"{S3_EVAL}/images.tar.gz",
    "dataset.test_data_sources.json_file": f"{S3_EVAL}/annotations.json",
}

export（必需数据源）：

{
    "dataset.num_classes": "<num_classes> + 1",
    "dataset.train_data_sources": [{"image_dir": f"{S3_TRAIN}/images.tar.gz", "json_file": f"{S3_TRAIN}/annotations.json"}],
    "dataset.val_data_sources": [{"image_dir": f"{S3_TRAIN}/images.tar.gz", "json_file": f"{S3_TRAIN}/annotations.json"}],
}

gen_trt_engine（必需数据源）：

{
    "gen_trt_engine.tensorrt.data_type": "FP16",
    "dataset.num_classes": "<num_classes> + 1",
    "gen_trt_engine.tensorrt.calibration.cal_image_dir": [f"{S3_TRAIN}/images.tar.gz"],
}

inference（必需数据源）：

{
    "dataset.num_classes": "<num_classes> + 1",
    "dataset.infer_data_sources.image_dir": [f"{S3_EVAL}/images.tar.gz"],
    "dataset.infer_data_sources.classmap": f"{S3_EVAL}/label_map.txt",
}

quantize（必需数据源）：

{
    "dataset.train_data_sources": [{"image_dir": f"{S3_TRAIN}/images.tar.gz", "json_file": f"{S3_TRAIN}/annotations.json"}],
    "dataset.val_data_sources": [{"image_dir": f"{S3_TRAIN}/images.tar.gz", "json_file": f"{S3_TRAIN}/annotations.json"}],
    "dataset.quant_calibration_data_sources": {"image_dir": f"{S3_TRAIN}/images.tar.gz", "json_file": f"{S3_TRAIN}/annotations.json"},
}

评估数据集

可选。若提供，则会在每个检查点间隔计算验证集 mAP。

重要参数

• dataset.num_classes：目标类别数。默认值为 91（COCO）。必须与标注匹配。
• model.backbone：默认值为 resnet_50。支持：resnet_50、gcvit_tiny、gcvit_small、gcvit_base、gcvit_large、gcvit_large_384（支持范围比 DINO 更有限）。
• train.optim.lr：学习率。默认值为 2e-4（AdamW）。lr_backbone 为 2e-5。
• train.optim.lr_steps：MultiStep 学习率调度。默认值为 [40]。对于短时运行，请将其设置为总轮数的约 80%。
• model.num_queries：目标查询数量。默认值为 300。有效范围为 100-900。
• model.dropout_ratio：Transformer 层中的 Dropout。默认值为 0.3（高于 DINO 的 0.0）。对于大型数据集可调低，对于小型数据集可调高。
• model.dim_feedforward：FFN 隐藏维度。默认值为 1024（DINO 为 2048）。增大该值可提升容量，但会占用更多内存。

多 GPU / 多节点

**启动方式：**由 Lightning 管理（单个 python 进程，由 Lightning 启动工作进程）。

规范键	描述	默认值
train.num_gpus	GPU 数量	1
train.gpu_ids	GPU 设备索引	[0]
train.num_nodes	节点数量	1
train.distributed_strategy	ddp 或 fsdp	ddp

DDP/FSDP 行为与 DINO 相同。多节点运行需要编排器设置 WORLD_SIZE、NODE_RANK、MASTER_ADDR、MASTER_PORT 环境变量。

导出 / TRT 默认值

• 导出输入：640x640，opset 17
• TRT 数据类型：FP32、FP16、INT8
• TRT 工作区：1024 MB
• TRT max_batch_size：1

完整的 TAO Deploy 参考：tao-deploy-deformable-detr。

硬件

至少需要 1 个 GPU，建议使用 4 个 GPU。每个 GPU 需要 16GB 以上（V100 或 A100）显存。由于 FFN 较小，显存需求略低于 DINO。batch_size=4 可在大多数 16GB 以上显存的 GPU 上运行。

错误模式

CUDA 内存不足：减小 batch_size（4 -> 2 -> 1）。

num_select 必须小于 num_queries * num_classes：与 DINO 的约束相同。

return_interm_indices 的长度必须与 num_feature_levels 匹配：默认值为 [1,2,3,4]，num_feature_levels=4。

数据集大小小于总批次大小：减小 batch_size 或 num_gpus。

Spec 参数 / 父模型推理

特定于模型的推理映射应放在此 MD 文件中，而不是 config.json 中。生成的运行器应读取本节，并在调用 create_job() 前使用 SDK 助手应用这些映射。这与旧版微服务的 infer_params.py 流程一致。

TAO Core deformable_detr.config.json 中的推理映射：

操作	Spec 字段	推理函数	含义
evaluate	encryption_key	key	加密密钥
evaluate	evaluate.checkpoint	parent_model	从父作业结果文件夹推断出的模型文件
evaluate	evaluate.trt_engine	parent_model	从父作业结果文件夹推断出的模型文件
evaluate	results_dir	output_dir	当前作业的结果目录
export	encryption_key	key	加密密钥
export	export.checkpoint	parent_model	从父作业结果文件夹推断出的模型文件
export	export.onnx_file	create_onnx_file	输出 ONNX 路径
export	results_dir	output_dir	当前作业的结果目录
gen_trt_engine	encryption_key	key	加密密钥
gen_trt_engine	gen_trt_engine.onnx_file	parent_model	从父作业结果文件夹推断出的模型文件
gen_trt_engine	gen_trt_engine.tensorrt.calibration.cal_cache_file	create_cal_cache	校准缓存路径
gen_trt_engine	gen_trt_engine.trt_engine	create_engine_file	输出 TensorRT 引擎路径
gen_trt_engine	results_dir	output_dir	当前作业的结果目录
inference	encryption_key	key	加密密钥
inference	inference.checkpoint	parent_model	从父作业结果文件夹推断出的模型文件
inference	inference.trt_engine	parent_model	从父作业结果文件夹推断出的模型文件
inference	results_dir	output_dir	当前作业的结果目录
quantize	encryption_key	key	加密密钥
quantize	quantize.model_path	parent_model	从父作业结果文件夹推断出的模型文件
quantize	results_dir	output_dir	当前作业的结果目录
train	encryption_key	key	加密密钥
train	model.pretrained_backbone_path	ptm_if_no_resume_model	不存在恢复检查点时使用的 PTM
train	results_dir	output_dir	当前作业的结果目录
train	train.resume_training_checkpoint_path	resume_model	从当前作业结果文件夹推断出的模型文件

对于 parent_model 或 parent_model_folder，将上游 train/export/AutoML 子作业 ID 作为 parent_job_id 传入。SDK 会列出父结果文件夹、筛选检查点产物，并返回选定的模型文件或文件夹。不要将这些映射加回 config.json，也不要修改生成的运行器脚本来猜测检查点路径。