| | --- |
| | title: Netlistify Training |
| | emoji: 🔥 |
| | colorFrom: blue |
| | colorTo: red |
| | sdk: gradio |
| | sdk_version: 5.49.1 |
| | app_file: app.py |
| | pinned: false |
| | license: mit |
| | --- |
| | |
| | # Netlistify Training mit ZeroGPU |
| |
|
| | Trainiert Netlistify DETR-Modell für Verbindungserkennung in Schaltplänen auf Hugging Face Spaces mit ZeroGPU. |
| |
|
| | ## Features |
| |
|
| | - ✅ **ZeroGPU**: Kostenlose GPU-Ressourcen für Training |
| | - ✅ **Automatisches Dataset-Laden**: Lädt Dataset direkt von Hugging Face |
| | - ✅ **Progress-Tracking**: Echtzeit-Fortschrittsanzeige |
| | - ✅ **Flexible Konfiguration**: Anpassbare Hyperparameter |
| |
|
| | ## Verwendung |
| |
|
| | 1. **Dataset vorbereiten**: Lade dein Dataset auf Hugging Face hoch (als Dataset Repository) |
| | 2. **Repository-ID eingeben**: Gib die Dataset Repository-ID ein (z.B. `hanky2397/schematic_images`) |
| | 3. **Parameter anpassen**: Epochs, Batch Size, Learning Rate, etc. |
| | 4. **Training starten**: Klicke auf "Training starten" |
| |
|
| | ## Dataset-Format |
| |
|
| | Das Dataset muss folgende Struktur haben: |
| |
|
| | ``` |
| | dataset/ |
| | ├── images/ |
| | │ └── images/ (oder direkt images/) |
| | │ └── *.jpg |
| | ├── components/ |
| | │ └── components/ (oder labels/) |
| | │ └── *.txt (YOLO-Format) |
| | └── pkl/ |
| | └── *.pkl (Verbindungsdaten) |
| | ``` |
| |
|
| | ## Hardware |
| |
|
| | - **ZeroGPU**: NVIDIA H200 (automatisch zugewiesen) |
| | - **Dauer**: Bis zu 3 Stunden pro Training |
| |
|
| | ## Links |
| |
|
| | - [Netlistify GitHub](https://github.com/NYCU-AI-EDA/Netlistify) |
| | - [Dataset auf Hugging Face](https://huggingface.co/datasets/hanky2397/schematic_images) |
