Bỏ để qua phần nội dung

Tài liệu tham khảo cho ultralytics/utils/callbacks/dvc.py

Ghi

Tệp này có sẵn tại https://github.com/ultralytics/ultralytics/blob/main/ultralytics/utils/callback/dvc.py. Nếu bạn phát hiện ra một vấn đề, vui lòng giúp khắc phục nó bằng cách đóng góp Yêu cầu 🛠️ kéo. Cảm ơn bạn 🙏 !



ultralytics.utils.callbacks.dvc._log_images(path, prefix='')

Ghi nhật ký hình ảnh tại đường dẫn được chỉ định với tiền tố tùy chọn bằng DVCLive.

Mã nguồn trong ultralytics/utils/callbacks/dvc.py
def _log_images(path, prefix=""):
    """Logs images at specified path with an optional prefix using DVCLive."""
    if live:
        name = path.name

        # Group images by batch to enable sliders in UI
        if m := re.search(r"_batch(\d+)", name):
            ni = m[1]
            new_stem = re.sub(r"_batch(\d+)", "_batch", path.stem)
            name = (Path(new_stem) / ni).with_suffix(path.suffix)

        live.log_image(os.path.join(prefix, name), path)



ultralytics.utils.callbacks.dvc._log_plots(plots, prefix='')

Nhật ký vẽ hình ảnh cho tiến trình đào tạo nếu chúng chưa được xử lý trước đó.

Mã nguồn trong ultralytics/utils/callbacks/dvc.py
def _log_plots(plots, prefix=""):
    """Logs plot images for training progress if they have not been previously processed."""
    for name, params in plots.items():
        timestamp = params["timestamp"]
        if _processed_plots.get(name) != timestamp:
            _log_images(name, prefix)
            _processed_plots[name] = timestamp



ultralytics.utils.callbacks.dvc._log_confusion_matrix(validator)

Ghi lại ma trận nhầm lẫn cho trình xác thực đã cho bằng DVCLive.

Mã nguồn trong ultralytics/utils/callbacks/dvc.py
def _log_confusion_matrix(validator):
    """Logs the confusion matrix for the given validator using DVCLive."""
    targets = []
    preds = []
    matrix = validator.confusion_matrix.matrix
    names = list(validator.names.values())
    if validator.confusion_matrix.task == "detect":
        names += ["background"]

    for ti, pred in enumerate(matrix.T.astype(int)):
        for pi, num in enumerate(pred):
            targets.extend([names[ti]] * num)
            preds.extend([names[pi]] * num)

    live.log_sklearn_plot("confusion_matrix", targets, preds, name="cf.json", normalized=True)



ultralytics.utils.callbacks.dvc.on_pretrain_routine_start(trainer)

Khởi tạo DVCLive logger để đào tạo siêu dữ liệu trong quá trình đào tạo trước.

Mã nguồn trong ultralytics/utils/callbacks/dvc.py
def on_pretrain_routine_start(trainer):
    """Initializes DVCLive logger for training metadata during pre-training routine."""
    try:
        global live
        live = dvclive.Live(save_dvc_exp=True, cache_images=True)
        LOGGER.info("DVCLive is detected and auto logging is enabled (run 'yolo settings dvc=False' to disable).")
    except Exception as e:
        LOGGER.warning(f"WARNING ⚠️ DVCLive installed but not initialized correctly, not logging this run. {e}")



ultralytics.utils.callbacks.dvc.on_pretrain_routine_end(trainer)

Nhật ký các ô liên quan đến quá trình đào tạo vào cuối thói quen tiền đào tạo.

Mã nguồn trong ultralytics/utils/callbacks/dvc.py
def on_pretrain_routine_end(trainer):
    """Logs plots related to the training process at the end of the pretraining routine."""
    _log_plots(trainer.plots, "train")



ultralytics.utils.callbacks.dvc.on_train_start(trainer)

Ghi lại các tham số đào tạo nếu ghi nhật ký DVCLive đang hoạt động.

Mã nguồn trong ultralytics/utils/callbacks/dvc.py
def on_train_start(trainer):
    """Logs the training parameters if DVCLive logging is active."""
    if live:
        live.log_params(trainer.args)



ultralytics.utils.callbacks.dvc.on_train_epoch_start(trainer)

Đặt biến toàn cục _training_epoch giá trị thành True khi bắt đầu đào tạo mỗi kỷ nguyên.

Mã nguồn trong ultralytics/utils/callbacks/dvc.py
def on_train_epoch_start(trainer):
    """Sets the global variable _training_epoch value to True at the start of training each epoch."""
    global _training_epoch
    _training_epoch = True



ultralytics.utils.callbacks.dvc.on_fit_epoch_end(trainer)

Ghi nhật ký số liệu đào tạo và thông tin mô hình, đồng thời chuyển sang bước tiếp theo vào cuối mỗi kỷ nguyên phù hợp.

Mã nguồn trong ultralytics/utils/callbacks/dvc.py
def on_fit_epoch_end(trainer):
    """Logs training metrics and model info, and advances to next step on the end of each fit epoch."""
    global _training_epoch
    if live and _training_epoch:
        all_metrics = {**trainer.label_loss_items(trainer.tloss, prefix="train"), **trainer.metrics, **trainer.lr}
        for metric, value in all_metrics.items():
            live.log_metric(metric, value)

        if trainer.epoch == 0:
            from ultralytics.utils.torch_utils import model_info_for_loggers

            for metric, value in model_info_for_loggers(trainer).items():
                live.log_metric(metric, value, plot=False)

        _log_plots(trainer.plots, "train")
        _log_plots(trainer.validator.plots, "val")

        live.next_step()
        _training_epoch = False



ultralytics.utils.callbacks.dvc.on_train_end(trainer)

Ghi lại các số liệu, biểu đồ và ma trận nhầm lẫn tốt nhất khi kết thúc đào tạo nếu DVCLive đang hoạt động.

Mã nguồn trong ultralytics/utils/callbacks/dvc.py
def on_train_end(trainer):
    """Logs the best metrics, plots, and confusion matrix at the end of training if DVCLive is active."""
    if live:
        # At the end log the best metrics. It runs validator on the best model internally.
        all_metrics = {**trainer.label_loss_items(trainer.tloss, prefix="train"), **trainer.metrics, **trainer.lr}
        for metric, value in all_metrics.items():
            live.log_metric(metric, value, plot=False)

        _log_plots(trainer.plots, "val")
        _log_plots(trainer.validator.plots, "val")
        _log_confusion_matrix(trainer.validator)

        if trainer.best.exists():
            live.log_artifact(trainer.best, copy=True, type="model")

        live.end()





Created 2023-11-12, Updated 2024-06-02
Authors: glenn-jocher (5), Burhan-Q (1), Laughing-q (1)