Detectron2 для оценки | Девять

машинное обучение

Автор|facebookresearch Компиляция|Флин Источник | Гитхаб

оценивать

Оценка — это процесс, который требует нескольких пар входных/выходных данных и объединяет их. Вы всегда можете использовать модель напрямую и просто проанализировать ее ввод/вывод вручную, чтобы выполнить оценку. В качестве альтернативы, оценка может быть реализована вdettron2 с помощью интерфейса DatasetEvaluator. интерфейс.

Detectron2 включает в себя некоторыеDatasetEvaluatorИнструменты для расчета показателей с использованием стандартных API для набора данных (например, COCO, LVIS). Вы также можете реализовать свои собственныеDatasetEvaluator, который использует пары ввода/вывода для выполнения некоторой собственной работы. Например, чтобы подсчитать, сколько экземпляров было обнаружено в проверочном наборе:

class Counter(DatasetEvaluator):
  def reset(self):
    self.count = 0
  def process(self, inputs, outputs):
    for output in outputs:
      self.count += len(output["instances"])
  def evaluate(self):
    # 把self.count存起来，或者打印出来，或者返回。
    return {"count": self.count}

Как только у вас естьDatasetEvaluator, вы можете использовать inference_on_dataset для его запуска. Например,

val_results = inference_on_dataset(
    model,
    val_data_loader,
    DatasetEvaluators([COCOEvaluator(...), Counter()]))

Преимущество этой функции по сравнению с ручным запуском оценок с помощью модели заключается в том, что вы можете использовать DatasetEvaluators для включения оценщиков. Таким образом, вы можете запускать все оценки без необходимости многократного просмотра набора данных.

inference_on_datasetФункции также обеспечивают точные эталонные показатели скорости для данной модели и набора данных.

Оригинальная ссылка:обнаружить Ron2.прочитайте документ S.IO/tutorials/ oh…

Добро пожаловать на сайт блога Panchuang AI:panchuang.net/

sklearn машинное обучение китайские официальные документы:sklearn123.com/

Добро пожаловать на станцию ​​сводки ресурсов блога Panchuang:docs.panchuang.net/

Категории