Skip to content

Latest commit

 

History

History
executable file
·
154 lines (93 loc) · 8.58 KB

metrics.md

File metadata and controls

executable file
·
154 lines (93 loc) · 8.58 KB

PaddleX指标及日志

PaddleX在模型训练、评估过程中,都会有相应的日志和指标反馈,本文档用于说明这些日志和指标的含义。

训练通用统计信息

PaddleX所有模型在训练过程中,输出的日志信息都包含了6个通用的统计信息,用于辅助用户进行模型训练,例如分割模型的训练日志,如下图所示。

各字段含义如下:

字段 字段值示例 含义
Epoch Epoch=4/20 [迭代轮数]所有训练数据会被训练20轮,当前处于第4轮
Step Step=62/66 [迭代步数]所有训练数据被训练一轮所需要的迭代步数为66,当前处于第62步
loss loss=0.007226 [损失函数值]参与当前迭代步数的训练样本的平均损失函数值loss,loss值越低,表明模型在训练集上拟合的效果越好(如上日志中第1行表示第4个epoch的第62个Batch的loss值为0.007226)
lr lr=0.008215 [学习率]当前模型迭代过程中的学习率
time_each_step time_each_step=0.41s [每步迭代时间]训练过程计算得到的每步迭代平均用时
eta eta=0:9:44 [剩余时间]模型训练完成所需剩余时间预估为0小时9分钟44秒

不同模型的日志中除了上述通用字段外,还有其它字段,这些字段含义可见文档后面对各任务模型的描述。

评估通用统计信息

PaddleX所有模型在训练过程中会根据用户设定的save_interval_epochs参数,每间隔一定轮数进行评估和保存。例如分类模型的评估日志,如下图所示。

上图中第1行表明验证数据集中样本数为240,需要迭代8步才能评估完所有验证数据;第5行用于表明第2轮的模型已经完成保存操作;第6行则表明当前保存的模型中,第2轮的模型在验证集上指标最优(分类任务看acc1,此时acc1值为0.258333),最优模型会保存在best_model目录中。

分类特有统计信息

训练日志字段

分类任务的训练日志除了通用统计信息外,还包括acc1acc5两个特有字段。

注: acck准确率是针对一张图片进行计算的:把模型在各个类别上的预测得分按从高往低进行排序,取出前k个预测类别,若这k个预测类别包含了真值类,则认为该图片分类正确。

上图中第1行中的acc1表示参与当前迭代步数的训练样本的平均top1准确率,值越高代表模型越优;acc5表示参与当前迭代步数的训练样本的平均top5(若类别数n少于5,则为topn)准确率,值越高代表模型越优。第4行中的loss表示整个训练集的平均损失函数值,acc1表示整个训练集的平均top1准确率,acc5表示整个训练集的平均top5准确率。

评估日志字段

上图中第3行中的acc1表示整个验证集的平均top1准确率,acc5表示整个验证集的平均top5准确率。

检测特有统计信息

训练日志字段

YOLOv3/PPYOLO/PPYOLOv2/PPYOLOTiny

YOLOv3/PPYOLO/PPYOLOv2/PPYOLOTiny的训练日志除了通用统计信息外(见上文训练通用统计信息),还包括loss_xyloss_whloss_objloss_cls,这些字段的含义如下:

字段 含义
loss_xy 检测框位置损失函数值
loss_wh 检测框尺寸损失函数值
loss_obj 检测框置信度损失函数值
loss_cls 检测框类别损失函数值
loss 所有子网络损失函数值之和

上图中第5行loss表示整个训练集的平均损失函数loss值。

FasterRCNN

FasterRCNN的训练日志除了通用统计信息外,还包括loss_rpn_clsloss_rpn_regloss_bbox_clsloss_bbox_reg,这些字段的含义如下:

字段 含义
loss_rpn_cls RPN子网络中分类损失函数值
loss_rpn_reg RPN子网络中检测框回归损失函数值
loss_bbox_cls RCNN子网络中分类损失函数值
loss_bbox_reg RCNN子网络中检测框回归损失函数值
loss 所有子网络损失函数值之和

上图中第1行loss, loss_rpn_clsloss_rpn_regloss_bbox_clsloss_bbox_reg都是参与当前迭代步数的训练样本的损失值,而第7行是针整个训练集的损失函数值。

MaskRCNN

MaskRCNN的训练日志除了通用统计信息外,还包括loss_maskloss_rpn_clsloss_rpn_regloss_bbox_clsloss_bbox_reg,这些字段的含义如下:

字段 含义
loss_mask RCNN子网络中Mask回归损失函数值
loss_rpn_cls RPN子网络中分类损失函数值
loss_rpn_reg RPN子网络中检测框回归损失函数值
loss_bbox_cls RCNN子网络中分类损失函数值
loss_bbox_reg RCNN子网络中检测框回归损失函数值
loss 所有子网络损失函数值之和

上图中第1行loss, loss_maskloss_rpn_clsloss_rpn_regloss_bbox_cls loss_bbox_reg都是参与当前迭代步数的训练样本的损失值,而第7行是针整个训练集的损失函数值。

评估日志字段

检测可以使用两种评估标准:VOC评估标准和COCO评估标准。

VOC评估标准

注:map为平均准确率的平均值,即IoU(Intersection Over Union)取0.5时各个类别的准确率-召回率曲线下面积的平均值。

上图中第3行bbox_map表示检测任务中整个验证集上检测框的平均准确率的平均值。

COCO评估标准

注:COCO评估指标可参见COCO官网解释。PaddleX主要反馈mmAP,即AP at IoU=.50:.05:.95这项指标,为在各个IoU阈值下平均准确率平均值(mAP)的平均值。

COCO格式的数据集不仅可以用于训练目标检测模型,也可以用于训练实例分割模型。在目标检测中,PaddleX主要反馈针对检测框的bbox_mmAP指标;在实例分割中,还包括针对Mask的seg_mmAP指标。如下所示,第一张日志截图为目标检测的评估结果,第二张日志截图为实例分割的评估结果。

上图中红框标注的bbox_mmap表示整个验证集上检测框的平均准确率平均值(mAP)的平均值。

上图中红框标注的bbox_mmapseg_mmap分别表示整个验证集上检测框的平均准确率平均值(mAP)的平均值、Mask的平均准确率平均值(mAP)的平均值。

分割特有统计信息

训练日志字段

语义分割的训练日志只包括训练通用统计信息(见上文训练通用统计信息)。

评估日志字段

语义分割的评估日志包括了mioucategory_iouoacccategory_acckappacategory_F1-score这些字段的含义如下:

字段 含义
miou 各类IoU(Intersection Over Union)的平均值
category_iou 各类别的IoU
oacc 整体准确率,即预测正确的像素数/总像素数
category_acc 各类别的准确率,即各类别预测正确的像素数/预测为该类别的总像素数
kappa kappa系数,用于一致性检验
category_F1-score 各类别的F1-score, F1-score为2*(准确率*召回率)/(准确率+召回率),其中召回率为各类别预测正确的像素数/该类别的总像素数