tao-train-optical-inspection

光学检测

使用孪生网络进行缺陷检测的光学检测。通过比较图像对来检测制造缺陷、异常或质量问题。

为预训练的孪生网络权重设置 train.pretrained_model_path。

对于 TAO Deploy TensorRT 操作（gen_trt_engine、TensorRT evaluate 和 TensorRT inference），请先阅读 references/tao-deploy-optical-inspection.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。要运行 AutoML，仍需存在并且可解析 schemas/train.schema.json 和 references/spec_template_train.yaml。使用已打包的训练架构获取 automl_default_parameters、automl_disabled_parameters、默认值、最小值／最大值边界、枚举、选项权重、数学条件、依赖项和常用参数。不要指望运行时存在 ~/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前，请阅读 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“关闭 AutoML”“禁用 AutoML”“不进行 HPO”或“普通训练”等表述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 schemas/train.schema.json 和 references/spec_template_train.yaml 均已打包时，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 或缺少已打包的训练架构／模板时，才直接进行模型训练；若缺少架构／模板，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 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 覆盖值不会更改模型元数据。

训练要求

• 数据集类型： optical_inspection
• 格式： 默认
• 监控指标： val_acc

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_dataset.images_dir	eval_dataset	images.tar.gz	否
evaluate	dataset.test_dataset.csv_path	eval_dataset	dataset.csv	否
gen_trt_engine	gen_trt_engine.tensorrt.calibration.cal_image_dir	calibration_dataset	images.tar.gz	是
inference	dataset.infer_dataset.images_dir	inference_dataset	images.tar.gz	否
inference	dataset.infer_dataset.csv_path	inference_dataset	dataset.csv	否
train	dataset.train_dataset.images_dir	train_datasets	images.tar.gz	否
train	dataset.train_dataset.csv_path	train_datasets	dataset.csv	否
train	dataset.validation_dataset.images_dir	eval_dataset	images.tar.gz	否
train	dataset.validation_dataset.csv_path	eval_dataset	dataset.csv	否
train	dataset.test_dataset.images_dir	eval_dataset	images.tar.gz	否
train	dataset.test_dataset.csv_path	eval_dataset	dataset.csv	否

典型的规格覆盖项

每项操作都必须覆盖数据源——Agent 必须根据上方的“按操作划分的数据集要求”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（必须的数据源）：

{
    "train.num_epochs": 30,
    "train.checkpoint_interval": 10,
    "train.validation_interval": 10,
    "train.num_gpus": 1,
    "dataset.train_dataset.images_dir": f"{S3_TRAIN}/images.tar.gz",
    "dataset.train_dataset.csv_path": f"{S3_TRAIN}/dataset.csv",
    "dataset.validation_dataset.images_dir": f"{S3_EVAL}/images.tar.gz",
    "dataset.validation_dataset.csv_path": f"{S3_EVAL}/dataset.csv",
    "dataset.test_dataset.images_dir": f"{S3_EVAL}/images.tar.gz",
    "dataset.test_dataset.csv_path": f"{S3_EVAL}/dataset.csv",
}

gen_trt_engine（必须的数据源）：

{
    "gen_trt_engine.tensorrt.data_type": "fp16",
    "gen_trt_engine.tensorrt.calibration.cal_image_dir": [f"{S3_TRAIN}/images.tar.gz"],
}

evaluate（必须的数据源）：

{
    "dataset.test_dataset.images_dir": f"{S3_EVAL}/images.tar.gz",
    "dataset.test_dataset.csv_path": f"{S3_EVAL}/dataset.csv",
}

inference（必须的数据源）：

{
    "dataset.infer_dataset.images_dir": f"{S3_EVAL}/images.tar.gz",
    "dataset.infer_dataset.csv_path": f"{S3_EVAL}/dataset.csv",
}

评估数据集

可选。评估数据集使用相同格式（图像 + CSV）。

重要参数

• model.model_type：Siamese 变体。选项包括 Siamese、Siamese_3。
• model.model_backbone：默认为 custom。
• model.embedding_vectors：嵌入维度数量。默认为 5。
• train.optim.lr：学习率。默认为 5e-4。
• dataset.num_input：每次比较的输入图像数量。
• dataset.input_map：输入通道 / 图像对的映射。

多 GPU / 多节点

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

Spec Key	描述	默认值
train.num_gpus	GPU 数量	1
train.gpu_ids	GPU 设备索引	[0]

• 策略：auto（Lightning 自动选择最佳策略）
• 不需要显式配置 num_nodes 或 distributed_strategy——仅支持单节点
• Siamese 网络较轻量，通常单个 GPU 即可满足需求

硬件

最低需要 1 个 GPU，建议使用 1 个 GPU。每个 GPU 需要 8GB 以上显存。用于检测的 Siamese 网络较轻量，单个 GPU 即可满足需求。

错误模式

CSV 格式错误：确保 dataset.csv 中的图像对路径和标签列格式正确。

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 optical_inspection.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	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_model_path	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	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，筛选检查点制品，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。

部署

• tao-deploy-optical-inspection — 使用 TAO Deploy 生成 TensorRT 引擎、评估 TensorRT 和执行 TensorRT 推理的 Optical Inspection 部署工作流。