mirror of
https://gitee.com/rock_kim/Myolotrain.git
synced 2025-12-06 11:39:07 +08:00
acb93cdac5
## 1. 新增设置页面，加入DEBUG全局开关 ### 具体功能 新增了一个独立的设置页面，替代了原来的弹出式设置对话框。页面包含DEBUG模式全局开关，允许用户在需要时启用详细的日志记录功能，便于开发人员排查问题。 ### 实现方法 - 在导航栏中添加了带有`data-page="settings"`属性的设置按钮，使其成为标准的页面导航项 - 创建了新的设置页面模板(`settings-template`)，包含调试设置和预留的其他设置区域 - 添加了三个核心函数： - `loadSettingsPage()`: 加载设置页面并初始化DEBUG模式状态 - `bindSettingsEvents()`: 绑定设置页面的事件处理逻辑 - `showSettingsSaveMessage()`: 显示设置保存成功的提示信息 - 使用localStorage存储DEBUG模式状态，确保设置在页面刷新后仍然保留 - 替换了传统的`alert()`提示框，改用更加友好的页面内提示信息 ## 2. 模型管理增加"加载预置模型"按钮 ### 具体功能 在模型管理页面新增了"加载预置模型"按钮，允许用户一键加载系统内置的YOLO预训练模型，简化了用户的模型导入流程。 ### 实现方法 - 在模型管理界面添加了新的按钮控件，配置了适当的图标和样式 - 实现了`import_default_models()`函数，负责从工具目录导入预置模型 - 优化了模型导入的路径处理逻辑，确保模型能够正确加载到系统中 - 添加了错误处理和加载状态提示，提升用户体验 - 通过在`models.py`文件中修改导入语句，确保能够正确引用位于tools目录下的模块 ## 3. 模型管理页面增加两种类型的模型下载功能 ### 具体功能 为模型管理页面添加了两种类型的模型下载功能： 1. 原始模型下载：允许用户下载训练完成的PyTorch格式模型(.pt文件) 2. ONNX模型下载：支持将训练好的模型自动转换为ONNX格式并提供下载，便于在不同推理框架中使用 ### 实现方法 - 在模型列表中为每个模型项添加了两种下载按钮 - 集成了ONNX库(`onnx>=1.16.0`和`onnxruntime>=1.18.0`)到项目依赖中 - 实现了模型转换函数，支持将PyTorch模型转换为ONNX格式 - 创建了专门的`onnx_exports`文件夹用于存储导出的ONNX模型 - 添加了下载权限控制和文件管理逻辑，确保模型文件的安全访问 ## 4. 训练管理调整训练完成后自动生成关联模型，调整状态标签，优化任务完成的判定条件 ### 具体功能 优化了训练管理流程，主要包括： 1. 训练任务完成后自动将生成的模型关联到训练记录中 2. 更新了任务状态标签，使用更加直观的图标和颜色标识不同的任务状态 3. 改进了任务完成的判定条件，提高了训练完成检测的准确性 ### 实现方法 - 修改了训练任务完成的回调函数，添加自动模型关联逻辑 - 优化了任务状态检测算法，减少了误判情况 - 为不同的任务状态(进行中、已完成、失败等)设计了新的视觉标识 - 增强了数据库中训练任务和模型记录的关联关系 - 添加了训练结果的自动评估功能，在训练完成后生成基本性能指标 ## 5. 项目结构文件夹调整 ### 具体调整 对项目的文件夹结构进行了优化和调整，主要包括： 1. **添加了专用文件夹**： - `project_docs`: 用于存储项目说明文档，方便团队协作和知识传递 - `onnx_exports`: 专门用于存放导出的ONNX模型文件 - `tests`: 用于存放测试脚本和单元测试代码
6 lines
161 B
Bash
6 lines
161 B
Bash
#!/bin/bash
|
|
echo 激活YOLOv8训练环境...
|
|
source venv\bin\activate
|
|
echo 虚拟环境已激活，可以运行 'python train.py' 开始训练
|
|
echo 使用 'deactivate' 命令退出虚拟环境
|