0/49 2.3G 0.06617 0.383 0.01319 0.4624 4 640 0.0008421 0.01323 5.666e-05 1.914e-05 nan nan nan
1/49 2.31G 0.06587 0.01443 0.0132 0.0935 19 640 0.0006367 0.03195 3.45e-05 5.688e-06 nan nan nan
2/49 2.63G 0.06431 0.0125 0.01321 0.09001 16 640 0.0007842 0.03724 3.8e-05 6.374e-06 nan nan nan
3/49 2.63G 0.0664 0.01299 0.01372 0.0931 9 640 0.001241 0.05297 0.000117 1.868e-05 nan nan nan
4/49 2.63G 0.06717 0.01284 0.01401 0.09402 12 640 0.003033 0.04702 0.0005731 9.651e-05 nan nan nan
5/49 2.63G 0.06447 0.01371 0.01378 0.09196 20 640 0.002902 0.05763 0.0006489 0.0001164 nan nan nan
6/49 2.63G 0.06301 0.01393 0.01367 0.0906 14 640 0.01153 0.02048 0.00224 0.0005358 nan nan nan
7/49 2.63G 0.05967 0.01394 0.01311 0.08672 3 640 0.008468 0.07348 0.002305 0.0004701 nan nan nan
8/49 2.63G 0.05854 0.01379 0.01265 0.08498 8 640 0.02209 0.07807 0.005272 0.001149 nan nan nan
9/49 2.63G 0.05802 0.01318 0.01269 0.08389 26 640 0.03405 0.1025 0.009808 0.002091 nan nan nan
10/49 2.63G 0.05691 0.01281 0.01175 0.08147 8 640 0.05991 0.1539 0.02335 0.006064 nan nan nan
11/49 2.63G 0.05465 0.01304 0.01078 0.07847 6 640 0.08662 0.1508 0.03546 0.009624 nan nan nan
12/49 2.63G 0.0532 0.01233 0.009032 0.07456 7 640 0.1753 0.1817 0.08247 0.02592 nan nan nan
13/49 2.63G 0.05292 0.01214 0.008472 0.07354 5 640 0.1926 0.164 0.1109 0.03553 nan nan nan
14/49 2.63G 0.05282 0.01199 0.007766 0.07257 13 640 0.2569 0.2316 0.1556 0.0491 nan nan nan
15/49 2.63G 0.05395 0.01119 0.0072 0.07234 5 640 0.3798 0.3022 0.2575 0.08602 nan nan nan
16/49 2.63G 0.05243 0.01187 0.006544 0.07085 4 640 0.4612 0.3127 0.2931 0.1065 nan nan nan
17/49 2.63G 0.05198 0.01149 0.00623 0.0697 7 640 0.5699 0.311 0.3332 0.1166 nan nan nan
18/49 2.63G 0.05095 0.01114 0.006119 0.06822 8 640 0.4526 0.3232 0.3019 0.1164 nan nan nan
19/49 2.63G 0.05044 0.01168 0.005834 0.06795 33 640 0.603 0.3767 0.3876 0.1483 nan nan nan
20/49 2.63G 0.04828 0.01122 0.00567 0.06518 10 640 0.5802 0.3988 0.4053 0.1561 nan nan nan
21/49 2.63G 0.04743 0.01134 0.005251 0.06403 19 640 0.6885 0.3788 0.4111 0.1522 nan nan nan
22/49 2.63G 0.0466 0.01132 0.004951 0.06287 8 640 0.6917 0.4243 0.4631 0.1895 nan nan nan
23/49 2.63G 0.04693 0.01105 0.004636 0.06262 6 640 0.7601 0.4594 0.5042 0.2115 nan nan nan
24/49 2.63G 0.04588 0.0107 0.004545 0.06112 13 640 0.7024 0.4831 0.5094 0.217 nan nan nan
25/49 2.63G 0.04598 0.01096 0.004347 0.06128 16 640 0.7289 0.4508 0.4986 0.2163 nan nan nan
26/49 2.63G 0.04428 0.01121 0.004061 0.05955 4 640 0.7615 0.4727 0.5287 0.2269 nan nan nan
27/49 2.63G 0.0431 0.01068 0.004173 0.05795 6 640 0.7678 0.4836 0.5266 0.228 nan nan nan
28/49 2.63G 0.04367 0.01093 0.004207 0.05881 22 640 0.7822 0.4913 0.5454 0.2458 nan nan nan
29/49 2.63G 0.04265 0.01061 0.003809 0.05707 9 640 0.7871 0.5178 0.5559 0.2481 nan nan nan
30/49 2.63G 0.0425 0.01045 0.00363 0.05658 21 640 0.7366 0.5181 0.5533 0.2517 nan nan nan
31/49 2.63G 0.04303 0.01043 0.003602 0.05707 3 640 0.814 0.5192 0.5658 0.2481 nan nan nan
32/49 2.63G 0.04171 0.01038 0.003332 0.05542 21 640 0.8453 0.5204 0.5907 0.2704 nan nan nan
33/49 2.63G 0.04211 0.01009 0.003472 0.05567 4 640 0.7631 0.5263 0.5682 0.2577 nan nan nan
34/49 2.63G 0.04092 0.0103 0.003239 0.05447 17 640 0.7577 0.5632 0.5925 0.2638 nan nan nan
35/49 2.63G 0.0412 0.01033 0.003508 0.05504 73 640 0.7475 0.5483 0.5829 0.2722 nan nan nan
36/49 2.63G 0.04093 0.009902 0.003056 0.05389 13 640 0.8112 0.5455 0.5972 0.2861 nan nan nan
37/49 2.63G 0.0408 0.01008 0.003141 0.05403 4 640 0.8065 0.5506 0.6028 0.2764 nan nan nan
38/49 2.63G 0.04093 0.01005 0.002815 0.0538 14 640 0.8094 0.5737 0.6213 0.2881 nan nan nan
39/49 2.63G 0.0401 0.01027 0.003191 0.05356 2 640 0.8221 0.5484 0.6024 0.2764 nan nan nan
40/49 2.63G 0.03956 0.009716 0.002667 0.05194 11 640 0.7849 0.5885 0.6175 0.2929 nan nan nan
41/49 2.63G 0.03849 0.01022 0.002577 0.05129 5 640 0.8353 0.5736 0.626 0.306 nan nan nan
42/49 2.63G 0.03981 0.01005 0.003191 0.05306 3 640 0.7969 0.5997 0.6316 0.3059 nan nan nan
43/49 2.63G 0.03967 0.01001 0.002813 0.0525 18 640 0.7988 0.5949 0.6248 0.2975 nan nan nan
44/49 2.63G 0.03886 0.009727 0.00254 0.05112 24 640 0.815 0.5692 0.6273 0.3036 nan nan nan
45/49 2.63G 0.03882 0.009479 0.00275 0.05105 2 640 0.8576 0.5801 0.6399 0.3101 nan nan nan
46/49 2.63G 0.03775 0.009678 0.002295 0.04972 10 640 0.8147 0.6043 0.6475 0.3099 nan nan nan
47/49 2.63G 0.0381 0.009596 0.002282 0.04998 31 640 0.8229 0.5878 0.634 0.3036 nan nan nan
48/49 2.63G 0.03837 0.009361 0.002623 0.05036 43 640 0.8119 0.5811 0.6288 0.3059 nan nan nan
49/49 2.63G 0.03817 0.01026 0.002564 0.051 11 640 0.8267 0.5849 0.636 0.3083 nan nan nan
YOLOV7-模型训练代码
需积分: 0 165 浏览量
2023-07-05
10:25:14
上传
评论
收藏 135.49MB RAR 举报
YOLOV7-模型训练代码 （160个子文件） 
events.out.tfevents.1685828163.尼古拉斯皮皮松.1264.0 37KB events.out.tfevents.1685008287.尼古拉斯皮皮松.964.0 37KB Dockerfile 821B visualization.ipynb 482KB instance.ipynb 477KB keypoint.ipynb 465KB reparameterization.ipynb 28KB
test_batch1_labels.jpg 163KB test_batch1_pred.jpg 162KB test_batch0_labels.jpg 158KB test_batch0_pred.jpg 155KB horses_prediction.jpg 151KB train_batch0.jpg 147KB test_batch1_pred.jpg 142KB test_batch1_labels.jpg 138KB test_batch2_pred.jpg 135KB train_batch4.jpg 135KB train_batch8.jpg 133KB train_batch7.jpg 133KB test_batch2_labels.jpg 131KB test_batch0_labels.jpg 130KB test_batch2_labels.jpg 129KB test_batch0_pred.jpg 126KB test_batch2_pred.jpg 123KB train_batch4.jpg 112KB train_batch0.jpg 110KB train_batch3.jpg 106KB train_batch6.jpg 104KB train_batch1.jpg 101KB train_batch8.jpg 101KB train_batch5.jpg 100KB train_batch6.jpg 100KB train_batch5.jpg 98KB train_batch9.jpg 97KB train_batch7.jpg 91KB train_batch9.jpg 91KB train_batch2.jpg 85KB train_batch1.jpg 85KB train_batch3.jpg 82KB train_batch2.jpg 68KB
pose.png 347KB results.png 213KB results.png 197KB performance.png 165KB F1_curve.png 150KB F1_curve.png 133KB R_curve.png 129KB P_curve.png 128KB PR_curve.png 124KB R_curve.png 121KB P_curve.png 109KB PR_curve.png 105KB mask.png 102KB confusion_matrix.png 94KB confusion_matrix.png 90KB best.pt 71.32MB best.pt 71.32MB common.py 82KB loss.py 73KB datasets.py 55KB train.py 36KB general.py 36KB yolo.py 35KB plots.py 20KB test.py 17KB wandb_utils.py 16KB torch_utils.py 15KB experimental.py 10KB export.py 9KB metrics.py 9KB detect.py 9KB autoanchor.py 7KB add_nms.py 6KB google_utils.py 5KB hubconf.py 3KB activations.py 2KB resume.py 1KB log_dataset.py 815B __init__.py 6B __init__.py 6B __init__.py 6B __init__.py 5B common.cpython-38.pyc 70KB common.cpython-310.pyc 64KB datasets.cpython-38.pyc 40KB datasets.cpython-310.pyc 40KB loss.cpython-38.pyc 38KB loss.cpython-310.pyc 33KB general.cpython-38.pyc 27KB general.cpython-310.pyc 27KB yolo.cpython-38.pyc 26KB yolo.cpython-310.pyc 25KB plots.cpython-310.pyc 18KB plots.cpython-38.pyc 17KB torch_utils.cpython-310.pyc 13KB torch_utils.cpython-38.pyc 13KB wandb_utils.cpython-310.pyc 11KB wandb_utils.cpython-38.pyc 11KB experimental.cpython-38.pyc 9KB experimental.cpython-310.pyc 9KB共 160 条
- 1
- 2
资源评论
Dr.木公
- 粉丝: 61
- 资源: 6
