autodistill

Autodistill 使用大型、较慢的基础模型来训练小型、较快的监督模型。借助 autodistill，你可以从无标注图像直接过渡到在边缘设备上运行的自定义模型推理，全程无需人工干预。

[!TIP] 你可以在自己的硬件上使用 Autodistill，或者使用 Roboflow 托管的 Autodistill 版本 在云端标注图像。

目前，autodistill 支持目标检测和实例分割等视觉任务，但未来可以扩展以支持语言（及其他）模型。

快速链接

示例输出

以下是目标模型在自动标注数据集上使用Autodistill训练后，检测牛奶瓶和瓶盖的示例预测结果（完整操作流程请参阅Autodistill YouTube视频）：

功能特性

• 可插拔接口，用于将模型连接在一起
• 自动标注数据集
• 快速训练监督模型
• 拥有自己的模型
• 将蒸馏模型部署到云端或边缘端

基本概念

要使用 autodistill，你将未标注的数据输入到基础模型中，该模型使用本体论来标注数据集，然后该数据集用于训练目标模型，最终输出一个经过微调以执行特定任务的蒸馏模型。

Autodistill 定义了若干基本原语：

• 任务 - 任务定义了目标模型将预测什么。autodistill 流水线中每个组件（基础模型、本体和目标模型）的任务必须匹配，才能彼此兼容。目前通过 detection 任务支持目标检测和实例分割。classification 支持即将推出。
• 基础模型 - 基础模型是一个大型基础模型，对很多事物都有广泛了解。基础模型通常具有多模态能力，并且可以执行多种任务。