作者|facebookresearch 編譯|Flin 來源|Github
評估
評估是一個過程,需要多個輸入/輸出對並進行彙總。你始終可以直接使用模型,而只是手動解析其輸入/輸出以執行評估。或者,可以使用DatasetEvaluator 接口在detectron2中實現評估。 接口。
- 直接使用模型:https://detectron2.readthedocs.io/tutorials/models.html
- DatasetEvaluator:https://detectron2.readthedocs.io/modules/evaluation.html#detectron2.evaluation.DatasetEvaluator)
Detectron2包括一些DatasetEvaluator
使用標準數據集特定的API(例如COCO,LVIS)來計算指標的工具。你還可以實現自己的DatasetEvaluator
,它使用輸入/輸出對來實現自己的其他一些工作。例如,要計算在驗證集上檢測到多少個實例:
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存起來,或者打印出來,或者返回。
return {"count": self.count}
一旦有了DatasetEvaluator
,就可以使用inference_on_dataset運行它。例如,
- inference_on_dataset:https://detectron2.readthedocs.io/modules/evaluation.html#detectron2.evaluation.inference_on_dataset
val_results = inference_on_dataset(
model,
val_data_loader,
DatasetEvaluators([COCOEvaluator(...), Counter()]))
與使用模型手動運行評估相比,此功能的優勢在於你可以使用DatasetEvaluators合併評估器。這樣,你可以運行所有評估,而不必多次瀏覽數據集。
- DatasetEvaluators:https://detectron2.readthedocs.io/modules/evaluation.html#detectron2.evaluation.DatasetEvaluators
inference_on_dataset
功能還爲給定的模型和數據集提供準確的速度基準。
原文鏈接:https://detectron2.readthedocs.io/tutorials/evaluation.html
歡迎關注磐創AI博客站: http://panchuang.net/
sklearn機器學習中文官方文檔: http://sklearn123.com/
歡迎關注磐創博客資源彙總站: http://docs.panchuang.net/