数据相关问题

需要上传多少张图片才能训练出效果较好的模型？

• 每个分类至少需要准备20张以上。如果想要较好的效果，建议每个分类准备不少于100张图片。

上传图片的总量有限制吗？

• 每个账号下所有数据集的图片总数不能超过10万张。

训练相关问题

数据处理失败或者状态异常怎么办？

• 如是是图像分类模型上传处理失败，请先检查已上传的分类命名是否正确，是否存在中文命名、或者增加了空格；然后检查下数据图片量是否超过上限（10万张）；再检查图片中是否有损坏。如果自查没有发现问题，请在百度智能云控制台内提交工单反馈

模型训练失败怎么办？

• 如果遇到模型训练失败的情况，请先尝试重新训练，如多次重新训练后仍然失败，请在百度智能云控制台内提交工单反馈

已经上线的模型还可以继续优化吗？

• 已经上线的模型依然可以持续优化，操作上还是按照标准流程在训练模型中-选择要优化的模型和数据完成训练，然后在模型列表中更新线上服务，完成模型的优化

Step 1 重新训练
点击我的模型列表——找到需要重新训练的模型——点击训练，进行新版本模型训练

Step 2 重新发布
点击我的模型列表——找到新训练好的模型版本——点击申请发布

Step 3 确认发布

在出来的弹窗中点击确定

模型效果相关问题

如何通过「完整评估结果」里的错误示例优化模型？

• 错误示例中，左侧是正确的结果，右侧是模型的识别结果
• 观察模型识别有误的图片有哪些共同点，并有针对性地补充训练数据。比如：当图片比较亮的时候模型都能识别正确，但比较暗的时候模型就识别错了。这时就需要补充比较暗的图片作为训练数据

我的数据有限，如何优化效果？

• 在训练配置页面-数据增强策略中配置更多数据增强的算子，来增加训练数据。也可在精度提升配置包-数据增强策略中选择自动数据增强策略，从而自动补充适合场景的增强数据
• 如果您是通过将模型发布为公有云服务进行应用，即可通过云服务数据管理功能，将实际调用云服务识别的图片加入训练集，不断迭代模型

实际调用服务时模型效果变差？

• 训练图片和实际场景要识别的图片拍摄环境应一致，举例：如果实际要识别的图片是摄像头俯拍的，那训练图片就不能用网上下载的目标正面图片
• 每个标签的图片需要覆盖实际场景里面的可能性，如拍照角度、光线明暗的变化，训练集覆盖的场景越多，模型的泛化能力越强
• 如果使用的是云服务，可以开通云服务数据管理功能，将实际调用云服务识别的图片加入训练集，不断迭代模型

**如果训练数据已经达到以上要求，且单个分类/标签的图片量超过200张以上，效果仍然不佳，请在百度智能云控制台内提交工单反馈

模型上线/部署相关问题

每个账号可以上线几个模型？是否可以删除已上线的模型？

• 不限制发布模型数量，已上线模型无法删除

线上的部署方式支不支持我的硬件？

部署类型	支持的硬件示例
通用ARM	绝大多数安卓、苹果手机；瑞芯微RK32、RK32、RK35系列、树莓派等开发板
英特尔神经计算棒	NCS 1代、NCS 2代
海思NNIE	Hi3559AV100/Hi3559CV100等
华为昇腾Atlas开发板	Atlas200计算盒、Atlas300 计算卡
比特大陆SE计算盒	Bitmain SE5
通用x86CPU	绝大多数英特尔和AMD CPU
通用x86CPU加速版	英特尔志强、酷睿、凌动系列CPU
高通骁龙	骁龙660以后芯片的手机
华为NPU	mate10，mate10pro，P20，mate20，荣耀v20等
华为达芬奇NPU	mate30，p40，nova6，荣耀v30等
英伟达GPU	消费级显卡GeForce系列、RTX系列、TITAN，专业显卡Quadro、Tesla系列
英伟达Jetson	TX2、Nano、Xavier、Xavier NX