模型卡模板

对于 Hub 中的公共模型，模型卡应按以下结构组织：

Code

1# 模型详情
2
3## 模型描述
4
5待定
6
7- **开发者：**：待定
8- **分享者：** 待定
9- **模型类型：** 待定
10- **许可证：** 待定
11- **更多信息资源：**
12    - 待定
13
14# 训练详情
15
16## 训练数据
17
18待定
19
20# 测试详情
21
22## 指标
23
24待定
25
26# 技术规格
27
28## 输入/输出详情
29
30- **输入**：
31    - 名称：待定
32    - 信息：待定
33- **输出**：
34    - 名称：待定
35    - 信息：待定
36
37## 模型架构
38
39待定
40
41## 吞吐量
42
43### 模型变体：待定
44• **输入形状**：待定 • **输出形状**：待定
45• **参数 (M)**：待定 • **GFLOPs**：待定
46| 平台 | 精度 | 吞吐量 (infs/秒) | 功耗 (W) |
47|----------|-----------|-----------------------|-----------------------|
48| RVC2     | 待定      | 待定                  | 待定                  |
49| RVC3     | 待定      | 待定                  | 待定                  |
50| RVC4     | 待定      | 待定                  | 待定                  |
51
52### 模型变体：待定
53...
54
55\* 使用 [DAIv3](https://docs.luxonis.com/software-v3/depthai/) 进行基准测试，使用 2 个线程（RVC4 使用平衡模式的 DSP 运行时）。
56\* 参数和 FLOPs 来自 [onnx-tool](https://github.com/ThanatosShinji/onnx-tool) 包。
57
58## 量化
59
60待定
61
62# 利用率
63
64待定
65
66## 示例
67<link to minimal working example>

附加指南

某些模型具有非常特定的后处理步骤，需要执行这些步骤才能获得有意义的输出。我们建议您在“利用率”部分进行扩展，以便其他社区成员也能使用它们。最好是代码片段和附加注释的组合。如果您已经有一个可用的示例，请随时通过 Github gist、存储库或类似方式分享链接。这应该是一个最小可用的示例，展示了如何通过 DepthAI 流水线将数据传入模型、解析原始输出，以及可选的一些基本可视化（如果相关）。我们已经有一些现有的解析器，您可以在 depthai-nodes 库中使用它们。如果它们都不适用，并且您创建了一个新的解析节点，请不要犹豫向该存储库提交拉取请求，以帮助开发。重要提示：为了使您的示例尽可能简单易用，我们强烈建议您说明您在测试期间使用的 DepthaAI 版本（以及可能的 depthai-nodes 版本）。这样其他人就可以轻松地复制您的环境。

本页目录

模型卡模板

附加指南