--- title: "JSON-Einstellungen" product: "LumiScan Training" component: "lumiscan-training-de" version: "2.3.0" display_version: "2.3.0.2" latest_version: true language: "de" url: "https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/json-settings.html" --- # JSON-Einstellungen – LumiScan Training ## [source,json] { "trainingData": "C:/Users/user_name/Desktop/recordings/raw", "validationData": "C:/Users/user_name/Desktop/recordings/raw", "exportDirectory": "C:/Users/user_name/Desktop/recordings/network", "finetuneDataRoot": "C:/Users/user_name/Desktop/recordings/raw", "classes": [ "Arrow", "Disk" ], "nonRotables": [ "Disk" ], "imageScale": 0.5, "networkBase": null, "networkType": "ORTMS", "schedule": "Full", "trainingProfile": "B8x1", "deploymentConfiguration": "LumiScanVGR", "tmpFiles": "tmp" } - Dies sind Standardparameter der JSON-Konfiguration. Ihre Bedeutung ist in [Tabelle 2](https://docs.hdvisionsystems.com/de/lumiscan-training-de/2.3.0/json-settings.html#json-parameters-description) erläutert. Die erforderlichen Parameter hängen von der Anwendung und dem Trainings-Workflow ab. ## Beschreibung der JSON-Parameter {#json-parameters-description} > [!NOTE] > Verwenden Sie bei der Angabe von Pfaden Schrägstriche (`/`) statt Backslashes (`\`). > [!NOTE] > Wenn für einen Parameter, der einen leeren Wert unterstützt, kein Wert angegeben wird, verwenden Sie genau wie dargestellt `null`. Verwenden Sie keine Anführungszeichen und keine Grossbuchstaben. **Tabelle 1. Tabelle 2: LumiScan Training JSON-Einstellungen** | Parameter | Beschreibung | | --- | --- | | `trainingData` | Pfad zu den Trainingsdaten.
Dieser Ordner wird in der Regel von LumiScan Annotation erzeugt und enthält die Bilder und die zugehörigen Annotationsdaten im CSV- oder JSON-Format. Jedes Bild sollte über eine zugehörige Annotationsdatei verfügen. | | `validationData` | Pfad zu den Validierungsdaten, die zur Bewertung des Netzwerks während des Trainings verwendet werden.
Dies kann derselbe Pfad wie `trainingData` sein. | | `testData` | Optional. Pfad zum Datensatz, der bei Auswahl von **Start Testing** verwendet wird. | | `exportDirectory` | Optional. Pfad, unter dem exportierte ONNX-Modelle und weitere Trainingsergebnisse gespeichert werden.
Ist kein Pfad angegeben, werden die Ergebnisse im Verzeichnis der unter `trainingData` angegebenen Trainingsdaten gespeichert. | | `finetuneDataRoot` | Pfad zu den Daten, die für das Fine-Tuning verwendet werden. Dies ist in der Regel derselbe Pfad wie `validationData`. | | `classes` | Liste der Klassen bzw. Labels, die das Netzwerk erkennen soll. Die Klassennamen müssen mit den in den Annotationsdaten verwendeten Labels übereinstimmen. | | `nonRotables` | Liste der Klassen ohne definierte Ausrichtung, beispielsweise eine Scheibe oder ein Kratzer.
Jeder Eintrag muss exakt einem in `classes` definierten Klassennamen entsprechen. | | `Arrow`, `Disk` | Beispiele für Klassennamen. | | `imageScale` | Gibt den Bildskalierungsfaktor relativ zur ursprünglichen Bildgrösse an. Unterstützte Werte sind `0.5` und `1.0`. | | `networkBase` | Pfad zu einem vorhandenen trainierten Netzwerk, das als Ausgangspunkt für das Training verwendet werden soll.
Setzen Sie den Wert auf `null`, um ein Training ohne vorhandenes Netzwerk zu starten. | | Parameter | Beschreibung | | --- | --- | | `networkType` | Gibt den Netzwerktyp an. Die verfügbaren Werte hängen von der Zielanwendung davon ab, ob die Ausrichtung des Objekts oder nur seine Rotation bestimmt werden muss.

Für **LumiScan VGR**:

- `ORTML`, `ORTMM`, `ORTMS`, `ORTMXS`: Orientierte Modelle. Verwenden Sie diese, wenn das Objekt eine sinnvolle Ausrichtung hat, beispielsweise eine unterscheidbare Oberseite, die zusätzlich zur Position identifiziert werden muss.
- `RRTML`, `RRTMM`, `RRTMS`, `RRTMXS`: Rotierte Modelle. Verwenden Sie diese, wenn nur die Rotation des Objekts bestimmt werden muss und keine bestimmte Seite oder Ausrichtung zu unterscheiden ist.
- `LumiScanOOD` (veraltet): Vorgängermodelltyp für die orientierte Objekterkennung.
- `LumiScanROD` (veraltet): Vorgängermodelltyp für die rotierte Objekterkennung.

Für **AI Object Matching**:

- `OOD`: Für Objekte mit sinnvoller Ausrichtung, die identifiziert werden muss.
- `ROD`: Für Objekte, bei denen nur die Rotation bestimmt werden muss.

Die letzten Buchstaben der Werte `ORTM…` und `RRTM…` geben die Netzwerkgrösse an:

- `L`: gross
- `M`: mittel
- `S`: klein
- `XS`: extra klein

Grössere Netzwerke können eine höhere Genauigkeit liefern, benötigen jedoch mehr Speicher und dauern im Training in der Regel länger.

**Note:** Geben Sie den Wert exakt wie aufgeführt ein, einschliesslich des Grössen-Suffixes. `ORTM` und `RRTM` ohne Grössen-Suffix sind keine gültigen Werte. | | `schedule` | Gibt den Trainingsplan an. Unterstützte Werte sind `Full` und `Finetune`.

- `Full`: Führt einen neuen Trainingslauf durch. Verwenden Sie diese Option für das erstmalige Training.
- `Finetune`: Setzt das Training mit einem vorhandenen Netzwerk und den unter `finetuneDataRoot` angegebenen Daten fort. Verwenden Sie diese Option für nachfolgende Verfeinerungsschritte. | | `trainingProfile` | Gibt das Trainingsprofil an und beeinflusst die GPU-Speichernutzung. Derzeit wird nur eine GPU unterstützt.

Verfügbare Werte:

- `B8x1`: Standardwert.
- `B4x1`: Verwenden Sie diese Option, wenn das Training mit `B8x1` wegen unzureichenden GPU-Speichers fehlschlägt oder wenn das Training gemeinsamen GPU-Speicher (Shared GPU Memory) verwendet.

Die Nutzung des gemeinsamen GPU-Speichers können Sie im Windows-Task-Manager prüfen. Auch eine ungewöhnlich lange Trainingsdauer kann auf unzureichenden GPU-Speicher hindeuten. | | `deploymentConfiguration` | Gibt die Ziel-Deployment-Konfiguration an. Für LumiScan VGR lautet der Wert `LumiScanVGR` und sollte nicht geändert werden. | | `tmpFiles` | Pfad, unter dem temporäre Dateien während des Trainings gespeichert werden. Die Anwendung muss über Schreibrechte für diesen Speicherort verfügen. Temporäre Dateien werden nach dem Training gelöscht. |