参考资料 ultralytics/engine/model.py
备注
该文件可在https://github.com/ultralytics/ultralytics/blob/main/ ultralytics/engine/model .py。如果您发现问题,请通过提交 Pull Request🛠️ 帮助修复。谢谢🙏!
ultralytics.engine.model.Model
垒球 Module
基类,用于实现YOLO 模型,统一不同模型类型的应用程序接口。
该类为与YOLO 模型相关的各种操作(如训练、验证、预测、导出和基准测试)提供了一个通用接口、 验证、预测、输出和基准测试。它可处理不同类型的模型,包括从本地文件、 HUB 或 Server 它可处理不同类型的模型,包括从本地文件、Ultralytics HUB 或Triton Server 加载的模型。该类设计灵活 可针对不同任务和模型配置进行扩展。
参数
名称 | 类型 | 说明 | 默认值 |
---|---|---|---|
model |
Union[str, Path]
|
要加载或创建的模型的路径或名称。这可以是本地文件 路径、Ultralytics HUB 中的模型名称或Triton 服务器模型。默认为 "yolov8n.pt"。 |
'yolov8n.pt'
|
task |
Any
|
与YOLO 模型相关的任务类型。可用于指定模型的 应用领域,如对象检测、分割等。默认为 "无"。 |
None
|
verbose |
bool
|
如果为 "true",则在模型运行过程中启用冗长输出。默认为 "假"。 |
False
|
属性
名称 | 类型 | 说明 |
---|---|---|
callbacks |
dict
|
模型运行过程中各种事件的回调函数字典。 |
predictor |
BasePredictor
|
用于进行预测的预测对象。 |
model |
Module
|
PyTorch 。 |
trainer |
BaseTrainer
|
用于训练模型的训练器对象。 |
ckpt |
dict
|
如果模型是从 *.pt 文件加载的,则为检查点数据。 |
cfg |
str
|
从 *.yaml 文件加载的模型配置。 |
ckpt_path |
str
|
检查点文件的路径。 |
overrides |
dict
|
模型配置的重载字典。 |
metrics |
dict
|
最新的培训/验证指标。 |
session |
HUBTrainingSession
|
Ultralytics HUB 会议(如适用)。 |
task |
str
|
模型的任务类型。 |
model_name |
str
|
模型的名称。 |
方法
名称 | 说明 |
---|---|
__call__ |
预测方法的别名,使模型实例可被调用。 |
_new |
根据配置文件初始化一个新模型。 |
_load |
从检查点文件加载模型。 |
_check_is_pytorch_model |
确保模型是PyTorch 模型。 |
reset_weights |
将模型权重重置为初始状态。 |
load |
从指定文件加载模型权重。 |
save |
将模型的当前状态保存到文件中。 |
info |
记录或返回有关模型的信息。 |
fuse |
融合 Conv2d 和 BatchNorm2d 层,优化推理。 |
predict |
执行物体检测预测。 |
track |
执行目标跟踪。 |
val |
在数据集上验证模型。 |
benchmark |
在各种输出格式上对模型进行基准测试。 |
export |
将模型导出为不同格式。 |
train |
在数据集上训练模型。 |
tune |
执行超参数调整。 |
_apply |
对模型的张量应用一个函数。 |
add_callback |
为事件添加回调函数。 |
clear_callback |
清除事件的所有回调。 |
reset_callbacks |
将所有回调重置为默认函数。 |
_get_hub_session |
检索或创建Ultralytics HUB 会话。 |
is_triton_model |
检查模型是否是Triton Server 模型。 |
is_hub_model |
检查模型是否为Ultralytics HUB 模型。 |
_reset_ckpt_args |
加载PyTorch 模型时重置检查点参数。 |
_smart_load |
根据模型任务加载相应模块。 |
task_map |
提供从模型任务到相应类的映射。 |
加薪:
类型 | 说明 |
---|---|
FileNotFoundError
|
如果指定的模型文件不存在或无法访问。 |
ValueError
|
如果模型文件或配置无效或不支持。 |
ImportError
|
如果未安装特定模型类型(如 HUB SDK)所需的依赖项。 |
TypeError
|
如果模型在需要时不是PyTorch 模型。 |
AttributeError
|
如果所需的属性或方法未实施或不可用。 |
NotImplementedError
|
如果不支持特定型号任务或模式。 |
源代码 ultralytics/engine/model.py
28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760 761 762 763 764 765 766 767 768 769 770 771 772 773 774 775 776 777 778 779 780 781 782 783 784 785 786 787 788 789 790 791 792 793 794 795 796 797 798 799 800 801 802 803 804 805 806 807 808 809 810 811 812 813 814 815 816 817 818 819 820 821 822 823 824 825 826 827 828 829 830 831 832 833 834 835 836 837 838 839 840 841 842 843 844 845 846 |
|
device: torch.device
property
读取分配模型参数的设备。
此属性用于确定模型参数是在 CPU 还是 GPU 上运行。它只适用于 的实例。
返回:
类型 | 说明 |
---|---|
device | None
|
如果是PyTorch 机型,则为该机型的设备(CPU/GPU),否则为 "无"。 |
names: list
property
读取与加载模型相关的类名。
如果模型中定义了类名,该属性会返回类名。它使用 .nn.autobackend 模块中的 "check_class_names "函数 使用ultralytics.nn.autobackend 模块中的 "check_class_names "函数检查类名的有效性。
返回:
类型 | 说明 |
---|---|
list | None
|
模型的类名(如果有),否则为 "无"。 |
task_map: dict
property
将头部映射到模型、训练器、验证器和预测器类。
返回:
名称 | 类型 | 说明 |
---|---|---|
task_map |
dict
|
模式任务到模式类别的映射。 |
transforms
property
读取应用于加载模型输入数据的转换。
如果模型中定义了变换,该属性会返回变换。
返回:
类型 | 说明 |
---|---|
object | None
|
模型的变换对象(如果有),否则为 "无"。 |
__call__(source=None, stream=False, **kwargs)
预测方法的别名,使模型实例可被调用。
该方法简化了预测过程,允许直接调用模型实例 预测所需的参数。
参数
名称 | 类型 | 说明 | 默认值 |
---|---|---|---|
source |
str | Path | int | Image | ndarray
|
用于预测的图像来源 预测的图像来源。接受各种类型,包括文件路径、URL、PIL 图像和 numpy 数组。 默认为 "无"。 |
None
|
stream |
bool
|
如果为 True,则在预测时将输入源视为连续流。 默认为 "假"。 |
False
|
**kwargs |
any
|
用于配置预测过程的附加关键字参数。 |
{}
|
返回:
类型 | 说明 |
---|---|
List[Results]
|
由结果类封装的预测结果列表。 |
源代码 ultralytics/engine/model.py
__init__(model='yolov8n.pt', task=None, verbose=False)
初始化YOLO 模型类的新实例。
此构造函数根据提供的模型路径或名称设置模型。它可处理各种类型的模型 源,包括本地文件、Ultralytics HUB 模型和Triton 服务器模型。该方法初始化模型的几个 初始化模型的几个重要属性,并为训练、预测或导出等操作做好准备。
参数
名称 | 类型 | 说明 | 默认值 |
---|---|---|---|
model |
Union[str, Path]
|
要加载或创建的路径或模型文件。这可以是本地 文件路径、Ultralytics HUB 中的模型名称或Triton 服务器模型。默认为 "yolov8n.pt"。 |
'yolov8n.pt'
|
task |
Any
|
与YOLO 模型相关联的任务类型,指定其应用领域。 默认为 "无"。 |
None
|
verbose |
bool
|
如果为 True,则在模型初始化和后续操作中启用冗长输出。 输出。默认为 "假"。 |
False
|
加薪:
类型 | 说明 |
---|---|
FileNotFoundError
|
如果指定的模型文件不存在或无法访问。 |
ValueError
|
如果模型文件或配置无效或不支持。 |
ImportError
|
如果未安装特定模型类型(如 HUB SDK)所需的依赖项。 |
源代码 ultralytics/engine/model.py
add_callback(event, func)
为指定事件添加回调函数。
该方法允许用户注册一个自定义回调函数,在模型训练或推理过程中触发特定事件。 回调函数。
参数
名称 | 类型 | 说明 | 默认值 |
---|---|---|---|
event |
str
|
要附加回调的事件名称。 |
所需 |
func |
callable
|
要注册的回调函数。 |
所需 |
加薪:
类型 | 说明 |
---|---|
ValueError
|
如果事件名称无法识别。 |
源代码 ultralytics/engine/model.py
benchmark(**kwargs)
在各种输出格式中对模型进行基准测试,以评估性能。
该方法评估模型在不同导出格式下的性能,如ONNX,TorchScript 等。 它使用ultralytics.utils.benchmarks 模块中的 "benchmark "函数。基准配置 使用默认配置值、特定于模型的参数、特定于方法的默认值以及 用户提供的任何附加关键字参数进行配置。
该方法支持各种参数,允许自定义基准测试过程,如数据集 选择、图像大小、精度模式、设备选择和冗余度。有关所有 可配置选项的完整列表,用户应参考文档中的 "配置 "部分。
参数
名称 | 类型 | 说明 | 默认值 |
---|---|---|---|
**kwargs |
any
|
任意关键字参数,用于自定义基准测试过程。这些参数与 默认配置、特定模型参数和方法默认值相结合。 |
{}
|
返回:
类型 | 说明 |
---|---|
dict
|
包含基准测试结果的词典。 |
加薪:
类型 | 说明 |
---|---|
AssertionError
|
如果模型不是PyTorch 模型。 |
源代码 ultralytics/engine/model.py
clear_callback(event)
清除为指定事件注册的所有回调函数。
此方法会删除与给定事件相关的所有自定义和默认回调函数。
参数
名称 | 类型 | 说明 | 默认值 |
---|---|---|---|
event |
str
|
要清除回调的事件名称。 |
所需 |
加薪:
类型 | 说明 |
---|---|
ValueError
|
如果事件名称无法识别。 |
源代码 ultralytics/engine/model.py
embed(source=None, stream=False, **kwargs)
根据提供的数据源生成图像嵌入。
该方法是对 "predict() "方法的封装,主要用于从图像源生成嵌入。 它允许通过各种关键字参数自定义嵌入过程。
参数
名称 | 类型 | 说明 | 默认值 |
---|---|---|---|
source |
str | int | Image | ndarray
|
用于生成嵌入代码的图像源。 来源可以是文件路径、URL、PIL 图像、numpy 数组等。默认为 "无"。 |
None
|
stream |
bool
|
如果为 True,预测将以流式传输。默认为 "假"。 |
False
|
**kwargs |
any
|
用于配置嵌入过程的附加关键字参数。 |
{}
|
返回:
类型 | 说明 |
---|---|
List[Tensor]
|
包含图像嵌入的列表。 |
加薪:
类型 | 说明 |
---|---|
AssertionError
|
如果模型不是PyTorch 模型。 |
源代码 ultralytics/engine/model.py
export(**kwargs)
将模型导出为适合部署的不同格式。
这种方法便于将模型导出为各种格式(如ONNX,TorchScript ),以便部署。 为部署目的。它使用 "Exporter "类来完成导出过程,将模型特定的重载、方法默认值 默认值和提供的任何附加参数。综合参数用于配置导出设置。
该方法支持多种参数,可自定义导出过程。有关所有 参数,请参阅文档中的 "配置 "部分。
参数
名称 | 类型 | 说明 | 默认值 |
---|---|---|---|
**kwargs |
any
|
用于自定义导出过程的任意关键字参数。这些参数与 模型的重载和方法默认值相结合。 |
{}
|
返回:
类型 | 说明 |
---|---|
str
|
以指定格式导出的模型文件名,或与导出过程相关的对象。 |
加薪:
类型 | 说明 |
---|---|
AssertionError
|
如果模型不是PyTorch 模型。 |
源代码 ultralytics/engine/model.py
fuse()
在模型中融合 Conv2d 和 BatchNorm2d 图层。
这种方法通过融合 Conv2d 层和 BatchNorm2d 层来优化模型,从而提高推理速度。
加薪:
类型 | 说明 |
---|---|
AssertionError
|
如果模型不是PyTorch 模型。 |
源代码 ultralytics/engine/model.py
info(detailed=False, verbose=True)
记录或返回模型信息。
该方法根据传递的参数提供有关模型的概述或详细信息。 它可以控制输出的冗长程度。
参数
名称 | 类型 | 说明 | 默认值 |
---|---|---|---|
detailed |
bool
|
如果为 True,则显示模型的详细信息。默认为 "假"。 |
False
|
verbose |
bool
|
如果为 True,则打印信息。如果为 False,则返回信息。默认为 True。 |
True
|
返回:
类型 | 说明 |
---|---|
list
|
根据 "详细 "和 "冗长 "参数,提供有关模型的各类信息。 |
加薪:
类型 | 说明 |
---|---|
AssertionError
|
如果模型不是PyTorch 模型。 |
源代码 ultralytics/engine/model.py
is_hub_model(model)
staticmethod
检查所提供的型号是否为 HUB 型号。
源代码 ultralytics/engine/model.py
is_triton_model(model)
staticmethod
模型是Triton 服务器 URL 字符串,即
源代码 ultralytics/engine/model.py
load(weights='yolov8n.pt')
将指定权重文件中的参数加载到模型中。
该方法支持从文件或直接从权重对象加载权重。它通过 名称和形状匹配参数,并将它们传输到模型中。
参数
名称 | 类型 | 说明 | 默认值 |
---|---|---|---|
weights |
str | Path
|
权重文件或权重对象的路径。默认为 "yolov8n.pt"。 |
'yolov8n.pt'
|
返回:
名称 | 类型 | 说明 |
---|---|---|
self |
Model
|
已加载权重的类实例。 |
加薪:
类型 | 说明 |
---|---|
AssertionError
|
如果模型不是PyTorch 模型。 |
源代码 ultralytics/engine/model.py
predict(source=None, stream=False, predictor=None, **kwargs)
使用YOLO 模型对给定的图像源进行预测。
该方法可简化预测过程,允许通过关键字参数进行各种配置。 它支持使用自定义预测器或默认预测器方法进行预测。该方法可处理不同 类型的图像源,并可在流模式下运行。它还通过 "提示 "为SAM 类型的模型提供支持。 类型的模型。
该方法会设置一个新的预测器(如果尚未存在),并在每次调用时更新参数。 如果没有提供 "源",它还会发出警告并使用默认资产。该方法会判断是否 是否从命令行界面调用,并相应调整其行为,包括为置信度阈值和保存行为设置默认值。 置信度阈值和保存行为。
参数
名称 | 类型 | 说明 | 默认值 |
---|---|---|---|
source |
str | int | Image | ndarray
|
用于预测的图像来源。 接受各种类型,包括文件路径、URL、PIL 图像和 numpy 数组。默认为 ASSETS。 |
None
|
stream |
bool
|
将输入源视为连续流进行预测。默认为 "假"。 |
False
|
predictor |
BasePredictor
|
用于进行预测的自定义预测器类的实例。 如果为 "无",该方法将使用默认预测器。默认为 "无"。 |
None
|
**kwargs |
any
|
用于配置预测过程的附加关键字参数。这些参数允许 进一步定制预测行为。 |
{}
|
返回:
类型 | 说明 |
---|---|
List[Results]
|
由结果类封装的预测结果列表。 |
加薪:
类型 | 说明 |
---|---|
AttributeError
|
如果预测器设置不当。 |
源代码 ultralytics/engine/model.py
reset_callbacks()
将所有回调重置为默认函数。
此方法会恢复所有事件的默认回调函数,移除之前添加的任何自定义回调函数。 之前添加的自定义回调函数。
源代码 ultralytics/engine/model.py
reset_weights()
将模型参数重置为随机初始值,从而有效地丢弃所有训练信息。
此方法会遍历模型中的所有模块,如果模块有 reset_parameters' 方法的模块,将重置其参数。它还会确保所有参数的 "requires_grad "设置为 True,以便在训练过程中更新参数。 在训练过程中进行更新。
返回:
名称 | 类型 | 说明 |
---|---|---|
self |
Model
|
重置权重的类实例。 |
加薪:
类型 | 说明 |
---|---|
AssertionError
|
如果模型不是PyTorch 模型。 |
源代码 ultralytics/engine/model.py
save(filename='saved_model.pt', use_dill=True)
将当前模型状态保存到文件中。
此方法将模型的检查点(ckpt)导出到指定的文件名中。
参数
名称 | 类型 | 说明 | 默认值 |
---|---|---|---|
filename |
str | Path
|
保存模型的文件名。默认为 "saved_model.pt"。 |
'saved_model.pt'
|
use_dill |
bool
|
是否在可用的情况下尝试使用 dill 进行序列化。默认为 True。 |
True
|
加薪:
类型 | 说明 |
---|---|
AssertionError
|
如果模型不是PyTorch 模型。 |
源代码 ultralytics/engine/model.py
track(source=None, stream=False, persist=False, **kwargs)
使用已注册的跟踪器对指定输入源进行目标跟踪。
该方法使用模型的预测器和可选的注册跟踪器执行物体跟踪。它 能处理不同类型的输入源,如文件路径或视频流。该方法支持 通过各种关键字参数自定义跟踪过程。如果跟踪器还未 跟踪器,并根据 "持久化 "标志选择性地持久化跟踪器。
该方法专门为基于 ByteTrack 的跟踪设置了一个默认置信度阈值,它需要低置信度预测作为输入。 置信度预测作为输入。跟踪模式在关键字参数中明确设置。
参数
名称 | 类型 | 说明 | 默认值 |
---|---|---|---|
source |
str
|
目标跟踪的输入源。可以是文件路径、URL 或视频流。 |
None
|
stream |
bool
|
将输入源视为连续视频流。默认为 "假"。 |
False
|
persist |
bool
|
在不同的方法调用之间持续跟踪器。默认为 "假"。 |
False
|
**kwargs |
any
|
用于配置跟踪过程的附加关键字参数。这些参数允许 进一步自定义跟踪行为。 |
{}
|
返回:
类型 | 说明 |
---|---|
List[Results]
|
跟踪结果列表,封装在 Results 类中。 |
加薪:
类型 | 说明 |
---|---|
AttributeError
|
如果预测器没有注册跟踪器。 |
源代码 ultralytics/engine/model.py
train(trainer=None, **kwargs)
使用指定的数据集和训练配置训练模型。
这种方法可通过一系列可定制的设置和配置来促进模型训练。它支持 方法中定义的默认训练方法进行训练。该方法可处理 不同的情况,如从检查点恢复训练、与Ultralytics HUB 集成,以及在训练后更新模型和配置。 训练后更新模型和配置。
使用Ultralytics HUB 时,如果会话已经加载了模型,该方法会优先处理 HUB 训练参数,如果提供了本地参数,则会发出警告。 参数,并在提供本地参数时发出警告。它会检查 pip 的更新,并结合默认 配置、特定方法的默认值和用户提供的参数来配置训练过程。在 训练后,它将更新模型及其配置,并可选择附加指标。
参数
名称 | 类型 | 说明 | 默认值 |
---|---|---|---|
trainer |
BaseTrainer
|
用于训练模型的自定义训练器类的实例。如果无,该 方法使用默认训练器。默认为 "无"。 |
None
|
**kwargs |
any
|
代表训练配置的任意关键字参数。这些参数 用于定制训练过程的各个方面。 |
{}
|
返回:
类型 | 说明 |
---|---|
dict | None
|
如果有培训指标且培训成功,则为培训指标;否则为无。 |
加薪:
类型 | 说明 |
---|---|
AssertionError
|
如果模型不是PyTorch 模型。 |
PermissionError
|
如果 HUB 会话存在权限问题。 |
ModuleNotFoundError
|
如果未安装 HUB SDK。 |
源代码 ultralytics/engine/model.py
604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 |
|
tune(use_ray=False, iterations=10, *args, **kwargs)
对模型进行超参数调整,可选择使用 Ray Tune。
该方法支持两种超参数调整模式:使用 Ray Tune 或自定义调整方法。 启用 Ray Tune 时,它将利用ultralytics.utils.tuner 模块中的 "run_ray_tune "函数。 否则,它会使用内部的 "调谐器 "类进行调谐。该方法结合默认、重载和自定义参数来配置调谐。 自定义参数来配置调谐过程。
参数
名称 | 类型 | 说明 | 默认值 |
---|---|---|---|
use_ray |
bool
|
如果为 True,则使用 Ray Tune 进行超参数调整。默认为假。 |
False
|
iterations |
int
|
要执行的调整迭代次数。默认为 10 次。 |
10
|
*args |
list
|
用于附加参数的长度可变的参数列表。 |
()
|
**kwargs |
any
|
任意关键字参数。这些参数与模型的覆盖和默认值相结合。 |
{}
|
返回:
类型 | 说明 |
---|---|
dict
|
包含超参数搜索结果的字典。 |
加薪:
类型 | 说明 |
---|---|
AssertionError
|
如果模型不是PyTorch 模型。 |
源代码 ultralytics/engine/model.py
val(validator=None, **kwargs)
使用指定的数据集和验证配置验证模型。
这种方法有助于模型验证过程,可通过各种设置和配置进行定制。 设置和配置进行自定义。它支持使用自定义验证器或默认验证方法进行验证。 该方法结合了默认配置、特定于方法的默认值和用户提供的参数来配置 验证过程。验证完成后,它会根据验证器的结果更新模型的度量指标。 验证器获得的结果更新模型的指标。
该方法支持各种参数,可以自定义验证过程。有关所有可配置选项的 所有可配置选项的完整列表,用户应参考文档中的 "配置 "部分。
参数
名称 | 类型 | 说明 | 默认值 |
---|---|---|---|
validator |
BaseValidator
|
用于验证模型的自定义验证器类的实例。如果 则该方法使用默认验证器。默认为 "无"。 |
None
|
**kwargs |
any
|
代表验证配置的任意关键字参数。这些参数 用于定制验证流程的各个方面。 |
{}
|
返回:
类型 | 说明 |
---|---|
dict
|
从验证过程中获得的验证指标。 |
加薪:
类型 | 说明 |
---|---|
AssertionError
|
如果模型不是PyTorch 模型。 |