⚡

TAO深度估计训练Skill tao-train-depth-anything-v2

该技能是NVIDIA TAO框架下的单目深度估计模型技能，基于Depth Anything V2架构（包括Metric和Relative两种变体），支持从单张RGB图像预测逐像素深度。它提供数据转换、训练（含AutoML、多GPU/多节点）、评估、推理、导出量化和TensorRT部署的全链路能力和多套微调配方。关键词：TAO、Depth Anything V2、单目深度估计、MetricDepthAnything、RelativeDepthAnything、模型训练、AutoML、TensorRT部署。

视觉模型训练 0 次安装 4 次浏览 更新于 9/6/2026
名称 tao-train-depth-anything-v2
描述 使用Metric Depth Anything v2或Relative Depth Anything架构进行单目深度估计。从单个RGB图像预测逐像素深度，支持训练、评估、导出与推理。触发短语：训练单目深度、DepthAnything v2、metric depth from single image、monocular depth estimation。
开源协议 Apache-2.0 compatibility: 需要docker + nvidia-container-toolkit。 metadata:
版本 “0.1.0”
作者 NVIDIA Corporation allowed-tools: Read Bash tags: - monocular - depth - estimation

Depth Net Mono（单目深度网络）

独立安装？ 如果此会话不是由TAO技能库插件初始化的，请先运行tao-setup技能（主机预检、凭据、跨技能发现）。

该技能基于Metric Depth Anything v2或Relative Depth Anything架构，实现从单张RGB图像预测逐像素深度的单目深度估计任务。

主要能力

  • 训练（train）、评估（evaluate）、推理（inference）、导出（export）和量化（quantize）
  • 支持AutoML自动搜索配置（默认开启，可关闭）
  • 支持多GPU/多节点训练（DDP/FSDP）
  • 支持TensorRT导出与部署流程
  • 内置数据转换（convert）和多种数据集适配类

工作流概述

  1. 准备图像+深度真值数据集，并确保容器内可访问。
  2. 根据数据编码（视差或公制深度）设置model_type和dataset_name。
  3. 编写spec YAML，指定数据源、模型类型、训练精度等。
  4. 使用depth_net <action> -e <spec.yaml>运行相应操作。
  5. 检查运行状态、status.json中的kpi指标以及输出产物。

关键参数

  • model.model_type: RelativeDepthAnything 或 MetricDepthAnything
  • dataset.<split>.data_sources: 必须提供 data_file 和 dataset_name
  • 推荐训练精度：fp32（或Ampere GPU上的bf16）
  • 多GPU策略：ddp 或 fsdp

配置与部署

  • TAO Deploy的TensorRT操作需阅读references/tao-deploy-depth-anything-v2.md
  • 部署规范模板位于references/spec_template_deploy_*.yaml