Files
ModelTrainEval/pyproject.toml
T
Shaun ZhouandClaude Opus 5 a4d099e41d feat(ml-backend): 把训练好的 YOLO 接进 Label Studio 做预标注
ml_backend/ 是一个 label-studio-ml 后端:Label Studio 打开任务时调 /predict,
后端跑 YOLO 并把框转成 Label Studio 的百分比坐标返回,人工只需修正。

- model.py:FilmDefectDetector。权重懒加载且只加载一次(Flask 多线程,加锁);
  控件名从项目的 labeling config 读取,不写死;model_version 带权重的修改时间,
  换权重后 Label Studio 能区分新旧预测。
- convert.py:坐标转换,刻意不 import label_studio_ml,好在主环境里单测。
- fit():每条标注累加计数,达到 RETRAIN_AFTER 就起子进程执行 RETRAIN_COMMAND
  并立刻返回——训练几十分钟,同步做会卡住 Label Studio。
- _wsgi.py 由官方模板生成,ruff 跳过,便于跟随上游。

必须用独立虚拟环境:label-studio-ml 会把 jinja2 降到 3.0.3,而 label-studio 1.23
需要 3.1,装进主环境会直接弄坏 Label Studio。PyPI 上的 1.0.9 是 2023 年的旧版,
要装 GitHub 上的现行版本。

本地用 COCO 权重端到端验证过:/health、/predict(bus.jpg 出 10 个框、坐标换算正确)、
/webhook(第 3 条标注触发重训命令并清零计数)。

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
2026-09-18 17:36:12 +08:00

62 lines
1.8 KiB
TOML

[project]
name = "modeltraineval"
version = "0.1.0"
description = "薄膜缺陷分类定位模型的训练与评估(纯卷积,面向实时设备部署)"
readme = "README.md"
authors = [
{ name = "Shaun Zhou", email = "xiangyuzhou823@gmail.com" }
]
requires-python = ">=3.12"
dependencies = [
"torch>=2.4",
"torchvision>=0.19",
"numpy>=1.26",
"pillow>=10.3",
"pyyaml>=6.0",
"swanlab[dashboard]>=0.10.0",
"matplotlib>=3.8",
# 检测训练(detect.py)。注意 ultralytics 是 AGPL-3.0:如果模型要随产品分发,
# 需要开源整套代码或另外向其购买商业授权。仅内部使用则不受影响。
"ultralytics>=8.4",
# SHAP 定位(scripts/generate_boxes.py --method shap)用
"shap>=0.46",
"label-studio>=1.23.0",
]
[dependency-groups]
dev = [
"pytest>=8.0",
"ruff>=0.6",
]
# ONNX 导出(部署用),按需安装:uv sync --group export
export = [
"onnx>=1.16",
"onnxscript>=0.2",
]
# SHAP 归因定位(scripts/shap_boxes.py),按需安装:uv sync --group explain
explain = [
"shap>=0.48",
]
[tool.uv]
# 本仓库是应用而非库:不打包安装,直接从仓库根目录运行 train.py / eval.py。
package = false
# 训练机(Linux + Nvidia GPU)请用 CUDA 版 torch,例如:
# uv pip install --index-url https://download.pytorch.org/whl/cu124 torch torchvision
# 默认 PyPI 源在 Linux 上装的是 CUDA 构建,在 macOS 上只有 CPU 构建(仅可用于评估/导出)。
[tool.pytest.ini_options]
testpaths = ["tests"]
pythonpath = ["."]
addopts = "-q"
[tool.ruff]
line-length = 110
target-version = "py312"
# ml_backend/_wsgi.py 由 label-studio-ml 的官方模板生成,保持原样便于跟随上游更新
extend-exclude = ["ml_backend/_wsgi.py"]
[tool.ruff.lint]
select = ["E", "F", "I", "UP", "B"]