tao-train-oneformer

OneFormer

用于通用图像分割的 OneFormer。通过使用任务条件查询的单一架构，统一全景分割、实例分割和语义分割。

设置 train.pretrained_backbone 和／或 train.pretrained_model。

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

数据类架构

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 的启用状态通过 references/skill_info.yaml 中模型层级的 automl_enabled 声明。要运行 AutoML，仍需存在并能解析 schemas/train.schema.json 和 references/spec_template_train.yaml。使用打包的训练架构获取 automl_default_parameters、automl_disabled_parameters、默认值、最小／最大边界、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和模板。

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，请先阅读 references/skill_info.yaml，并根据明确指定的 automl_policy 值或用户的工作流请求确定本次运行的覆盖设置。将“关闭 AutoML”“禁用 AutoML”“不使用 HPO”或“普通训练”等表达视为仅对此次运行设置 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 路由训练操作，并使用此模型的 skill_dir。保留工作流／应用针对数据集、规范、输出目录、GPU／平台设置、父检查点和 automl_policy 的覆盖设置。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；如果缺少架构，请报告 AutoML 虽已启用，但在为此模型生成架构之前无法运行。

evaluate、inference、export 和部署流程等非训练操作仍由此模型技能处理。每次运行的 automl_policy 覆盖设置不会更改模型元数据。

训练要求

• **数据集类型：**分割
• **格式：**coco_panoptic、coco
• **监控指标：**mIoU

各操作的数据集要求

操作	Spec 键	来源	文件	是否列出？
evaluate	dataset.train.images	train_datasets	images.tar.gz	否
evaluate	dataset.label_map	train_datasets	label_map.json	否
evaluate	dataset.train.annotations	train_datasets	annotations.json	否
evaluate	dataset.train.panoptic	train_datasets	images_panoptic.tar.gz	否
evaluate	dataset.val.images	eval_dataset	images.tar.gz	否
evaluate	dataset.val.annotations	eval_dataset	annotations.json	否
evaluate	dataset.val.panoptic	eval_dataset	images_panoptic.tar.gz	否
evaluate	dataset.test.images	eval_dataset	images.tar.gz	否
evaluate	dataset.test.annotations	eval_dataset	annotations.json	否
evaluate	dataset.test.panoptic	eval_dataset	images_panoptic.tar.gz	否
inference	dataset.train.images	train_datasets	images.tar.gz	否
inference	dataset.label_map	train_datasets	coco_panoptic: label_map_panoptic.json; *: label_map.json	否
inference	dataset.train.annotations	train_datasets	annotations.json	否
inference	dataset.train.panoptic	train_datasets	images_panoptic.tar.gz	否
inference	dataset.val.images	eval_dataset	images.tar.gz	否
inference	dataset.val.annotations	eval_dataset	annotations.json	否
inference	dataset.val.panoptic	eval_dataset	images_panoptic.tar.gz	否
inference	dataset.test.images	eval_dataset	images.tar.gz	否
quantize	dataset.train.images	train_datasets	images.tar.gz	否
quantize	dataset.train.annotations	train_datasets	annotations.json	否
quantize	dataset.label_map	train_datasets	label_map.json	否
quantize	dataset.train.panoptic	train_datasets	images_panoptic.tar.gz	否
quantize	dataset.val.images	eval_dataset	images.tar.gz	否
quantize	dataset.val.annotations	eval_dataset	annotations.json	否
quantize	dataset.val.panoptic	eval_dataset	images_panoptic.tar.gz	否
quantize	dataset.test.images	eval_dataset	images.tar.gz	否
quantize	dataset.quant_calibration_dataset.images_dir	train_datasets	images.tar.gz	否
train	dataset.train.images	train_datasets	images.tar.gz	否
train	dataset.train.annotations	train_datasets	annotations.json	否
train	dataset.label_map	train_datasets	label_map.json	否
train	dataset.train.panoptic	train_datasets	images_panoptic.tar.gz	否
train	dataset.val.images	eval_dataset	images.tar.gz	否
train	dataset.val.annotations	eval_dataset	annotations.json	否
train	dataset.val.panoptic	eval_dataset	images_panoptic.tar.gz	否
train	dataset.test.images	eval_dataset	images.tar.gz	否

常见 Spec 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”表构造数据源路径，并将其包含在 spec_overrides 中。

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

train（必需的数据源）：

{
    "train.num_gpus": 1,
    "train.num_epochs": 10,
    "train.checkpoint_interval": 10,
    "train.validation_interval": 10,
    "model.sem_seg_head.num_classes": 133,
    "dataset.contiguous_id": True,
    "train.precision": "32",
    "dataset.train.images": f"{S3_TRAIN}/images.tar.gz",
    "dataset.train.annotations": f"{S3_TRAIN}/annotations.json",
    "dataset.label_map": f"{S3_TRAIN}/label_map.json",
    "dataset.train.panoptic": f"{S3_TRAIN}/images_panoptic.tar.gz",
    "dataset.val.images": f"{S3_EVAL}/images.tar.gz",
    "dataset.val.annotations": f"{S3_EVAL}/annotations.json",
    "dataset.val.panoptic": f"{S3_EVAL}/images_panoptic.tar.gz",
    "dataset.test.images": f"{S3_EVAL}/images.tar.gz",
}

evaluate（必需的数据源）：

{
    "model.sem_seg_head.num_classes": 133,
    "dataset.contiguous_id": True,
    "dataset.train.images": f"{S3_TRAIN}/images.tar.gz",
    "dataset.label_map": f"{S3_TRAIN}/label_map.json",
    "dataset.train.annotations": f"{S3_TRAIN}/annotations.json",
    "dataset.train.panoptic": f"{S3_TRAIN}/images_panoptic.tar.gz",
    "dataset.val.images": f"{S3_EVAL}/images.tar.gz",
    "dataset.val.annotations": f"{S3_EVAL}/annotations.json",
    "dataset.val.panoptic": f"{S3_EVAL}/images_panoptic.tar.gz",
    "dataset.test.images": f"{S3_EVAL}/images.tar.gz",
    "dataset.test.annotations": f"{S3_EVAL}/annotations.json",
    "dataset.test.panoptic": f"{S3_EVAL}/images_panoptic.tar.gz",
}

export：

{
    "model.sem_seg_head.num_classes": 133,
    "model.export": True,
}

inference（必需的数据源）：

{
    "dataset.train.images": f"{S3_TRAIN}/images.tar.gz",
    "dataset.label_map": {"coco_panoptic": f"{S3_TRAIN}/label_map_panoptic.json; *: label_map.json"},
    "dataset.train.annotations": f"{S3_TRAIN}/annotations.json",
    "dataset.train.panoptic": f"{S3_TRAIN}/images_panoptic.tar.gz",
    "dataset.val.images": f"{S3_EVAL}/images.tar.gz",
    "dataset.val.annotations": f"{S3_EVAL}/annotations.json",
    "dataset.val.panoptic": f"{S3_EVAL}/images_panoptic.tar.gz",
    "dataset.test.images": f"{S3_EVAL}/images.tar.gz",
}

quantize（必需的数据源）：

{
    "dataset.train.images": f"{S3_TRAIN}/images.tar.gz",
    "dataset.train.annotations": f"{S3_TRAIN}/annotations.json",
    "dataset.label_map": f"{S3_TRAIN}/label_map.json",
    "dataset.train.panoptic": f"{S3_TRAIN}/images_panoptic.tar.gz",
    "dataset.val.images": f"{S3_EVAL}/images.tar.gz",
    "dataset.val.annotations": f"{S3_EVAL}/annotations.json",
    "dataset.val.panoptic": f"{S3_EVAL}/images_panoptic.tar.gz",
    "dataset.test.images": f"{S3_EVAL}/images.tar.gz",
    "dataset.quant_calibration_dataset.images_dir": f"{S3_TRAIN}/images.tar.gz",
}

评估数据集

可选。在数据集配置中，与训练数据一同配置验证数据。

重要参数

• model.sem_seg_head.num_classes：分割类别数。默认值为 133（COCO 全景分割）。
• model.backbone.name：默认使用 D2SwinTransformer（基于 Swin）。默认 embed_dim=192，depths=[2,2,18,2]。
• train.num_epochs：默认值为 50，显著高于大多数 TAO 模型。OneFormer 需要更多训练轮次才能收敛。
• train.optim.lr：学习率。默认值为 1e-5，低于 Mask2Former 的 2e-4。
• model.task_toggling：启用或禁用特定任务：semantic_on、instance_on、panoptic_on。
• export.task：导出任务模式。可选项：semantic、instance、panoptic。默认值为 semantic。导出输入默认尺寸为 640x640。
• inference.mode：推理模式。可选项：semantic、instance、panoptic。默认值为 semantic。image_size 默认值为 [1024, 1024]。
• evaluate.iou_per_class：在评估中报告每个类别的 IoU。默认值为 True。

多 GPU / 多节点

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

Spec Key	说明	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

• 使用显式的 DDPStrategy，并设置 find_unused_parameters=True、gradient_as_bucket_view=True、process_group_backend="nccl"
• 始终启用 sync_batchnorm
• 不支持 fsdp，仅支持 DDP

多节点环境变量（由编排器设置）：WORLD_SIZE、NODE_RANK、MASTER_ADDR、MASTER_PORT、NUM_GPU_PER_NODE。

硬件

至少需要 2 块 GPU，建议使用 4 块 GPU。每块 GPU 的显存需为 24GB 以上（推荐 A100）。OneFormer 与 Mask2Former 一样，显存占用较高。默认 batch_size=1。为获得合理的训练速度，尤其是在训练 50 个轮次时，需要使用多 GPU。

错误模式

CUDA 显存不足：batch_size 已经是 1。请降低图像分辨率或使用更小的 Swin 配置。

训练缓慢：默认训练 50 个轮次且 batch_size=1，在单 GPU 上会很慢。请使用多 GPU 分布式训练。

Spec 参数 / 父模型推断

特定模型的推断映射应放在此 MD 文件中，而不是 config.json 中。生成的运行器应读取此部分，并在调用 create_job() 前使用 SDK 辅助函数应用这些映射。这与旧版微服务的 infer_params.py 流程一致。

TAO Core oneformer.config.json 中的推断映射：

操作	Spec 字段	推断函数	含义
evaluate	encryption_key	key	加密密钥
evaluate	evaluate.checkpoint	parent_model	根据父作业结果文件夹推断的模型文件
evaluate	evaluate.trt_engine	parent_model	根据父作业结果文件夹推断的模型文件
evaluate	results_dir	output_dir	当前作业结果目录
export	encryption_key	key	加密密钥
export	export.checkpoint	parent_model	根据父作业结果文件夹推断的模型文件
export	export.onnx_file	create_onnx_file	输出 ONNX 路径
export	results_dir	output_dir	当前作业结果目录
gen_trt_engine	encryption_key	key	加密密钥
gen_trt_engine	gen_trt_engine.onnx_file	parent_model	根据父作业结果文件夹推断的模型文件
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	当前作业结果目录
inference	encryption_key	key	加密密钥
inference	inference.checkpoint	parent_model	根据父作业结果文件夹推断的模型文件
inference	inference.trt_engine	parent_model	根据父作业结果文件夹推断的模型文件
inference	results_dir	output_dir	当前作业结果目录
quantize	encryption_key	key	加密密钥
quantize	quantize.model_path	parent_model	根据父作业结果文件夹推断的模型文件
quantize	results_dir	output_dir	当前作业结果目录
train	encryption_key	key	加密密钥
train	results_dir	output_dir	当前作业结果目录
train	train.pretrained_backbone	{'link': 'https://github.com/SwinTransformer/storage/releases/download/v1.0.8/swin_tiny_patch4_window7_224_22k.pth', 'destination_path': '/ptm/mask2former/swin_tiny_patch4_window7_224_22k/swin_tiny_patch4_window7_224_22k.pth'}	{'link': 'https://github.com/SwinTransformer/storage/releases/download/v1.0.8/swin_tiny_patch4_window7_224_22k.pth', 'destination_path': '/ptm/mask2former/swin_tiny_patch4_window7_224_22k/swin_tiny_patch4_window7_224_22k.pth'}
train	train.pretrained_model	ptm_if_no_resume_model	不存在恢复检查点时使用的 PTM
train	train.resume_training_checkpoint_path	resume_model	根据当前作业结果文件夹推断的模型文件

对于 parent_model 或 parent_model_folder，请将上游 train/export/AutoML 子作业 ID 作为 parent_job_id 传入。SDK 会列出父作业结果文件夹、筛选检查点工件，并返回选中的模型文件或文件夹。不要将这些映射重新添加到 config.json 中，也不要修改生成的运行器脚本来猜测检查点路径。

部署

• tao-deploy-oneformer — 使用 TAO Deploy 生成 TensorRT 引擎、进行 TensorRT 评估和 TensorRT 推理的 OneFormer 部署工作流。