【GXAI深度学习训练平台使用说明】

GXAI深度学习训练平台使用说明

软件使用流程请参考【GXAI深度学习训练平台安装教程】

目录

1. 基础功能介绍
   • 软件界面分布
   • 新建工程管理
   • 图像导入与管理
2. 传统算法应用
   • 算法调用
   • 实时显示
   • 数据转换与导出
   • 处理流程动态调整
3. 深度学习处理流程
   • 数据标注 - 语义分割
   • 数据标注 - 目标检测
   • 数据标注 - 图像分类
   • 模型训练 - 参数配置
   • 模型训练 - 开始与恢复
   • 模型训练 - TensorRT加速
   • 检测推理

一、基础功能介绍

1.1 软件界面分布

软件界面分为三个主要区域：

软件界面分区实景

1.2 新建工程管理

创建新工程是使用软件的第一步。通过"新建工程"功能设置名称和路径，确认后软件会在指定位置生成.GX格式工程文件，后续打开该文件即可一键恢复工作环境。

步骤一：参数配置

步骤二：工程生成

提示：工程文件包含了所有的配置信息和模型状态。请务必将.GX文件与生成的models、source文件夹保存在一起，避免工程损坏。

1.3 图像导入与管理

灵活导入机制

支持批量导入，可自定义图像前缀便于分类管理。

多维筛选检索

列表支持按前缀、标签等条件快速筛选目标图像。

完整数据管理

标注完成后可将图像与标注文件一键导出、删除操作，通过高效的图像管理流程，显著降低大规模数据集的维护成本，提升标注工作流的整体效率。

二、传统算法应用

2.1 算法调用

核心提示：传统算法的调用流程标准化程度高，通过可视化的算子选择界面，用户无需编写代码即可快速完成基础图像处理任务。

导入图像素材

将待处理的图像文件导入至软件工作区，作为算法输入源。

选择目标算子

在界面左侧的"传统算法调用框"中，根据需求选择合适的算子并调整对应的参数。

执行图像处理

点击"图像处理"按钮，软件自动运行算法并生成结果。

图示：软件界面中的传统算法调用框位置

2.2 实时显示

开启"实时显示"功能后，在调整算法参数的过程中，软件会实时计算并显示处理结果。这让我们可以直观地看到参数变化对图像的影响，极大地提高了调试效率。

2.3 数据转换与导出

调整好参数并得到满意的效果后，支持一键导出处理后的图像。更强大的"算子导出"功能可将算法流程和参数直接生成可执行的 Python 代码，便于跨环境复现与开发。

价值点：所见即所得的可视化操作 + 可复用的工程化代码交付 = 效率倍增

2.4 处理流程动态调整

多算法灵活组合

针对复杂的图像处理任务，支持将多个基础算法进行任意组合，满足多样化的业务需求。

可视化流程编排

通过直观的"算法流程"界面，拖拽即可调整算子执行顺序，所见即所得，降低操作门槛。

自定义流水线构建

支持删除冗余算子，灵活构建专属的图像处理流水线，提升算法执行效率与针对性。

▲ 算法流程调整界面演示

三、深度学习处理流程

3.1 数据标注 - 语义分割

核心定义

对图像中的每个像素进行分类标注，精确勾勒目标轮廓，赋予像素级语义信息。

操作流程

沿目标边缘依次点击绘制多边形或线条（多边形框或者线条，线条可以理解为柱状多边形）
双击闭合区域确认
输入自定义标签（如"缺陷"、“异物”）

应用价值

为深度学习模型提供高精度训练数据，广泛用于自动驾驶、工业质检等领域。

图示：使用多边形工具进行语义分割标注的实际操作界面

3.2 数据标注 - 目标检测

核心操作：矩形框选

目标检测标注相对简单，只需用矩形框框选出目标物体的最小外接矩形，即可完成定位任务。

收尾工作：确认与打标

框选完成后，需双击确认并输入对应的标签名称（如"cat"、“car”），确保数据类别准确。

图示：目标检测标注工具操作界面

关键提示：矩形框应尽可能贴合目标边缘，减少背景干扰，同时标签命名需严格遵循规范，以保证模型训练的准确性。

3.3 数据标注 - 图像分类

核心概念

图像分类是为整张图像分配一个类别标签的过程。它是计算机视觉中最基础的任务之一，常用于筛选、检索和初步处理。

操作流程

图示：图像分类标注工具操作界面

3.4 模型训练 - 参数配置

网络架构选择

根据任务需求选择模型大小，平衡精度与训练资源消耗。网络框架从上到下模型大小依次增加，同时精度和训练时长以及后续的检测耗时也会相对增加。

训练总轮次 (Epochs)

推荐初始设置200轮，后续可根据Loss曲线动态调整。

硬件与批量配置

依据显存大小设定图像尺寸与批量大小，训练设备建议使用GPU加速。

图示：参数配置界面示例

关键提示：参数配置是影响模型效果的核心环节，需在训练过程中持续监控并优化。除上述参数外其余建议默认参数。

3.5 模型训练 - 开始与恢复

一键启动训练

参数配置完成后，点击"开始训练"即可自动启动模型训练过程，实时监控各项指标。

断点续训机制

若训练意外中断，可通过"继续训练"功能加载model_ctn.gxbin文件，从中断处无缝恢复，避免重复劳动。

高效训练流程保障：自动化执行 · 断点自动保存 · 灵活恢复机制

3.6 模型训练 - TensorRT加速

推理速度显著提升

训练完成后，通过TensorRT对模型进行图优化与算子融合，大幅降低延迟。

保持图像尺寸一致性

加速部署时，输入图像的宽高尺寸必须严格与训练阶段保持一致，否则会导致推理失败。

灵活选择精度模式

根据实际需求平衡速度与精度：

• 支持FP16半精度加速
• 或INT8量化进一步提升性能

TensorRT 加速配置界面示例

注意：提升性能的同时也会伴随着一定的精度下降。

3.7 检测推理

▲ 检测推理界面实时运行效果演示

总结

本软件使用说明整合版涵盖了软件的三大核心模块：

1. 基础功能：界面布局、工程管理、图像管理
2. 传统算法：算法调用、实时显示、流程编排、代码导出
3. 深度学习：数据标注（分割/检测/分类）、模型训练、TensorRT加速、检测推理

希望这份整合版说明能帮助大家更好地使用GXAI这款软件！

文档生成时间：2026-05-07