版本更新记录

1. 正式版

基本信息

1.发布时间：2022年9月

2.基本构成：分为数据处理（BaseDT）、模型训练（MMEdu、BaseML、BaseNN）和模型应用（XEduHub、BaseDeploy）三个部分。

  • 数据处理部分

    • BaseDT

  • 模型训练

    • MMEdu

    • BaseML

    • BaseNN

  • 模型部署库

    • XEduHub

    • BaseDeploy

正式版更新记录

1）MMEdu

V0.1.23 20231207

  1. 模型转换生成的示例代码文件由basedeploy修正为xedu-python。

  2. ssd_lite载入数据集完善，配置文件完善。

V0.1.20 20230704

  1. cls的sota()函数完善，无需声明。

V0.1.15 20230605

  1. 对模型生成示例代码和载入onnx权重信息做了拓展和调整。

V0.1.14 20230517

  1. 优化批量推理时show_result的判断逻辑，避免大量占用内存导致的内核中断。

V0.1.9 20230423

  1. 合并git与飞书中的最新版本。

  2. 更新cls和det转换生成内容以适配最新XEdu库。

  3. 消除生成onnx权重大段warning。

  4. 类别压入生成的权重。

  5. train()函数返回log。

  6. 权重文件中保存版本号。

V0.1.8 20230316

  1. pth存储信息完善。

  2. pth_info函数展示权重文件相关信息。

V0.1.7 20230313

  1. 更新cls和det模型转换后生成的py文件内容。

V0.1.6 20230302

  1. cls和det的推理和转化函数中去除了class_path这一参数，类别信息从pth中获得。

  2. 修复SSD_Lite类名传递不正确的问题。

V0.1.5 20230203

  1. det修正infer和convert中类别数量的问题。

  2. det模型训练时会自动保存best_map的权重。

  3. det 规范化数据集文件夹名称。

  4. 修复SSD_Lite类名传递不正确的问题。

V0.1.4 20230106

  1. cls+det同时增加可选batch_size功能。

  2. det补充SSD和yolov3。

  3. det输出格式由xywh修正为x1y1x2y2。

V0.1.3 20221222

  1. det增加模型转化功能。

  2. cls+det更新模型转化功能，参数调整，会额外输出config文件。

V0.1.2 20221215

cls：

  1. cls检查数据集中图片shape，指出损坏图片。检查图片出现损坏时，抛出错误码The image file xxx is damaged。

  2. 数据集如缺少txt，自动生成。

    case1：数据集缺少classes.txt, val.txt ，会自动生成并提示, eg，“生成val.txt”。

    case2：如缺少test_set，可正常训练，但不会生成test.txt 。（不影响正常功能）

    case3：如缺少val_set，可训练，但不能验证，即train函数中validate参数不能为True。（功能受损，看不到准确率，但还是可以训练出模型）。

    其他：

    允许数据集中出现其他类别的文件，eg,csv；

    数据集中test_set可以不按照类别存放。

  3. 检查写权限，确定写到哪里

    innolab上数据集没有读写权限，则将txt生成至项目内，文件夹名为dataset_txt，内含classes.txt，val.txt。(若有读写权限则生成至数据集路径内）

​ 4.加入模型转换convert()函数，pth转onnx。

det：

  1. det增加支持PIL和np array 输入功能。图片形式可以通过PIL和np数组进行输入，PIL和数组列表也支持输入。

  2. 参考cls，det增加相关错误码。

V0.1.1 20221118

​ 支持读入pil，np格式数据。

V0.1.0 20221111

  1. train和infer的device=cuda检查torch.cuda.is_available()，device=cpu当cuda可用时提示可以使用cuda加速。

  2. 文件夹推理LeNet无误。

  3. fast_infer支持LeNet。

V0.1.0rc2 20221111

​ 同V0.0.9，少依赖版本。

V0.0.9 20221104

  1. 检测模块训练函数支持device参数。

  2. load_checkpoint()参数顺序更换。将checkpoint前置（第一个），device后置，可以只输入路径，而省略 “checkpoint=”。

  3. fast_infer错误反馈，补充错误情况，当fast_infer之前未使用load_checkpoint载入ckpt时会提示错误码305。

  4. MMEdu.__ path __ 可正常返回环境中包所在地址。

  5. 修复lenet 文件夹推理问题。

V0.0.1rc2 20221104

​ 同V0.0.9，少依赖版本。

V0.0.8 20221102

  1. 加入错误反馈机制。

  2. 增加命令行字符画和简介。

  3. 提示目前支持的主干网络。

  4. 支持推理opencv、PIL读入的图片。

  5. 模型声明时允许读入配置文件，而不仅是模型名。

V0.0.1rc1 20221102

​ 同V0.0.8，少依赖版本。

2）BaseML

V0.1.1 20240313

  1. 新增valid中三个聚类评价指标。

V0.1.0 20240306

  1. 新增load_tab_data载入表格数据集功能。

  2. 新增valid函数用于验证评估模型性能。

  3. 线性回归可获得斜率和截距。

  4. 新增参数设定方式。

  5. metricplot画图标题修改。

V0.0.6 20230217

  1. 与MMEdu的错误提示码风格进行了统一，并在此基础上进行了BaseML部分的补充。

  2. 所有库类代码应用了PEP8代码规范，使得代码结构与语句更加美观。

V0.0.5 20230210

  1. 完成模型可视化和评测指标可视化两个库。目前只有4种算法支持可视化，大部分模型支持评测指标可视化，少部分不支持。

  2. 引入yellowbrick库，用于评测指标可视化。

  3. 修改了load_dataset函数，cls和reg默认split=True, 即划分为训练和测试集， 聚类和降维默认不划分。

  4. 加入了警告（蓝色字体）和报错（红色字体），但待与MMEdu的风格统一。

V0.0.4 20221121

​ 按照cls中的分类算法，给reg中的算法名进行了更改与添加，目前的回归算法有：[‘LinearRegression’, ‘CART’, ‘RandomForest’, ‘Polynomial’, ‘Lasso’, ‘Ridge’, ‘SVM’, ‘AdaBoost’, ‘MLP’]。

V0.0.3 20221115

​ 把 from BaseML import Classification 调用为Classification.cls 改成了 from BaseML import Classification as cls 调用为 cls(algorithm= ...)。

V0.0.2 20221110

  1. 给每个类增加了docstring类型的注释，可以使用cls.__doc__查看拥有的算法以及类注释。

  2. 更改了load_dataset函数的初始默认值，默认shuffle, 不展示前5条数据，不划分数据集，不进行数据归一化。

  3. 添加了反归一化函数，可以将归一化后的数据转换为原数据，在base.reverse_scale函数中。

V0.0.1 20221110

  1. load_dataset中设置了X和y的默认列，如果没有标明x_column和y_column，默认采用输入的所有列。但输入的是txt或csv格式的话，一定要标注出列号，否则报错。

  2. inference()中加了参数verbose，默认值为True，表示会输出训练过程中的过程数据，False则不会。

  3. train()中设置了参数validate（默认为True），表示会将输入的训练集划分为训练集和验证集，并输出验证集下的模型准确率。

  4. 添加了图片读取处理模块ImageLoader，具体使用方式查看文件中的注释以及demo实现。

  5. 对于加载数据集，添加了几个bool标记：shuffle, show, split, scale，分别表示是否打乱数据集、是否展示5条数据、是否划分数据集、是否对训练数据进行归一化。

  6. 每个模型的初始化增加了参数字典方法，便于更高级的模型调参。

3）BaseNN

V0.2.9 20240311

  1. load_img_data函数transform方式优化。

V0.2.6 20240108

  1. 模型转化生成的推理代码调整。

  2. 增加载入数据时num_wokers控制，增加模型转化时中间版本、算子集版本控制。

  3. 新增搭建残差网络功能。

V0.2.3 20231207

  1. basenn模型转换生成对应的xedu-python推理代码。

V0.2.1 20231013

  1. 支持basenn导出的pth文件转化为onnx。

V0.1.8 20230710

  1. numpy数组推理优化。

V0.1.7 20230706

  1. numpy数组推理优化。

V0.1.6 20230531

  1. 训练速度优化，dataloader多线程读取设置。

V0.1.5 20230529

  1. basenn层名兼容大小写，推荐全部采用小写。

  2. 图片文件夹、特征csv格式数据集设计并实现。

V0.0.7 20230322

  1. 继续训练，特征可视化适配新的pth文件格式。

V0.0.6 20230317

  1. 保存模型文件由pkl统一为pth，加入pth_info()。

  2. 加入RNN部分。

V0.0.5 20221215

  1. 可视化特征，只有传统意义上的层才计数，relu，reshape，softmax不计数;且当输入为二维图像时，展示可视化的图像，输入为一维数据时，生成txt保存每层之后的输出。

  2. 加入随机数种子，确保当指定种子后，反复训练可以得到完全一致的结果。

  3. 可选损失函数，可选评价指标。

V0.0.4 20221202

​ 参数控制可视化，一整张图or一系列图。

V0.0.3 20221116

​ 增加提取特征，可视化特征功能。

4）BaseDT

V0.1.3 20240229

  1. split_tab_dataset()新增参数column_name,可传入列表,自定义列名。

V0.1.2 20230914

  1. 修正了FasterRCNN模型输入图像尺寸的问题。

V0.1.1 20230626

  1. 修复BaseDT中plot模块在自定义载入时绘图通道顺序显示的错误。

  2. 修改plot对分类问题显示时重复出现pred_label。

V0.1.0 20230621

  1. 修复plot在绘图时信息未载入而引发报错的问题。

V0.0.9 20230620

  1. 修复了plot使用show时函数冲突问题。

  2. 增加了MMPose绘图所需的模块。

  3. 修复了get_img时调用了show函数导致会使用plt进行绘制的问题。

  4. util模块增加MMPose SIMCC格式推理前后处理的内容（之后得考虑将其迁移至data模块中）。

V0.0.8 20230616

  1. 画图功能完善。

V0.0.7 20230609

  1. 划分csv数据集加入归一化功能。

V0.0.6 20230607

  1. 加入划分csv数据集功能。

  2. 取消jieba安装依赖，仅在函数内部引用。

  3. basedeploy相关的功能更新。

V0.0.4 20230426

  1. log_plot接入train时日志导出。

  2. 类名导出函数重命名为get_label。

  3. 修复imshow_det_bboxes、map_orig_coords函数的一些漏洞。

V0.0.1 20230209

​ 首次上源。

5）XEdu一键安装包

V1.6.7 20231129

​ 删除PyQt5库。

​ Thonny版本调整为稳定的3.3.13。

​ 增加xedu-hub的workflow功能。

​ 增加新版Easy系列（easy-xedu）。

​ 优化文件目录。

​ 同时发布XEdu信息科技教学版1.3a版本。

V1.6.6 20231116

​ 添加新版Easy系列测试版本，大约70人内测。

V1.6.5 20231020

​ 更新BaseNN库，支持onnx模型转换。

V1.6.4 20231010

​ 更新BaseNN库，支持回归任务（model = nn(‘reg’)）。

​ 更新XEdu-python库，支持更多推理任务工作流（workflow）。

V1.6.3 20230916

​ 修正bug。

V1.6.2 20230912

​ 修正bug。

V1.6 20230901

​ 重构opencv-python库环境。

​ 支持bug解决脚本（解决绝大多数问题）。

​ 支持jupyter notebook中文。

​ 升级库版本MMEdu0.1.21，BaseNN0.2.0，BaseML0.0.6、BaseDT0.1.1、BaseDeploy0.0.4。

​ 支持openxlab下载（https://download.openxlab.org.cn/models/yikshing/bash/weight/x16）

V1.5.4 20230811

​ 升级库版本。

​ 支持cmd终端一键启动。

​ 支持jupyter notebook中文。

V1.5.2 20230613

​ 升级库版本。

V1.4.6 20230529

​ 解决BaseNN推理缓慢的问题。

V1.4.5 20230529

​ 升级BaseNN语法；

​ 修复pip安装失败的问题；

​ 优化easy系列功能。

V1.4 20230516

​ 支持模块：MMEdu0.1.13（支持cls和det），BaseNN0.0.9，BaseML0.0.6（支持cls、reg和clt）、BaseDT0.0.5（支持通用数据处理）

​ 内置编辑器：jupyter、pyzo、三个可视化工具（EasyTrain EasyInference EasyAPI）

​ 升级支持模型转换onnx、推理和部署语法精简，不再需要class_path。BaseML支持绘图。

V1.3 20230416

​ 支持模块：MMEdu0.1.8（支持cls和det），BaseNN0.0.9，BaseML0.0.6（支持cls、reg和clt）、BaseDT0.0.2（支持通用数据处理）

​ 内置编辑器：jupyter、pyzo、三个可视化工具（EasyTrain EasyInference EasyAPI）

V1.2 20230110

​ 支持模块：MMEdu0.1.4（支持 cls 和 det），BaseNN0.0.5，BaseML0.0.3（支持 cls、reg 和 clt）

​ 内置编辑器：jupyter、pyzo、三个可视化工具（EasyTrain EasyInference EasyAPI）

V1.1 20221220

​ 支持模块：MMEdu0.1.2（支持cls和det），BaseNN0.0.5，BaseML0.0.3（支持cls、reg和clt）

​ 内置编辑器：jupyter、pyzo、三个可视化工具（EasyTrain、EasyInference和EasyAPI）

6）BaseDeploy

V0.0.3 20230626

  1. 新增demo实例文件夹，内置lenet的onnx模型。

  2. 预测结果保留未润色后的形式，并可使用print_result对结果进行润色。

7）XEdu-python

V0.2.0 20240701

  1. 新增深度估计模型。

  2. 新增音频嵌入模型。

V0.1.8 20240607

  1. 新增seg任务sam模型。

V0.1.5 20240513

  1. utils新增可视化相似度矩阵和可视化类别概率分布功能。

V0.1.3 20240320

  1. 对BaseML任务的输入数据格式提示。

V0.1.1 20240131

  1. 初步加入错误码体系。

  2. 人脸检测新增可调参数。

V0.0.8 20231219

  1. 增加文本嵌入和图像嵌入任务。

V0.0.7 20231120

  1. 增加文本问答任务。

  2. 增加驾驶感知任务。

V0.0.5 20231103

  1. 增加风格迁移任务。

  2. 增加图像分类任务。

V0.0.3 20231013

  1. 增加人手检测任务。

  2. 优化ocr中show=True时的显示问题。

  3. 支持basenn导出的onnx模型。

V0.0.2 20231008

  1. 增加人脸检测任务、ocr任务。

  2. 优化参数。

  3. 支持mmedu导出的onnx模型。

V0.0.1 20230928

  1. 实现五个姿态估计任务（人体*2、手势、人脸、全身）和两个目标检测任务（人体，coco80类别）的简明工作流程。

2. 测试版

XEdu 0.1.0版

发布时间：2022.11

版本说明：优化MMEdu、BaseML、BaseNN等模块，增加EasyAPI.bat、EasyInference.bat、EasyTrain.bat三个可视化工具，更新所有示例代码。

MMEdu pip-0.0.1版

发布时间：2022.8

版本说明：发布内测版pip包。

XEdu 0.0.1版

发布时间：2022.6

版本说明：重构目录结构，建立MMEdu和BaseML两大模块。

0.7版

发布时间：2022.6

版本说明：优化0.5版两个模块，新增自定义网络（BaseNN）模块。

0.5版

发布时间：2022.4

版本说明：整合图像分类（cls）、物体检测（det）两个核心模块，内置Pyzo、Jupyter，实现一键部署。