最近更新val代码了吗

[njustczr]

24年11月8号保留的权重 ，最近跑val.py脚本发现指标完全不对了

[JulioZhao97]

@njustczr 您好，没有改过，可以提供更多信息吗？比如是公开的模型还是您自己训的模型，哪个数据集，等等

[JulioZhao97]

最近的更新可以再Pull Request里面查看

[njustczr]

@njustczr 您好，没有改过，可以提供更多信息吗？比如是公开的模型还是您自己训的模型，哪个数据集，等等

我把你的提交记录都看了，好像没修改，但是不知道为啥当时在我测试集上指标很高的模型，现在测出来precision recall几乎为0

[njustczr]

@njustczr 您好，没有改过，可以提供更多信息吗？比如是公开的模型还是您自己训的模型，哪个数据集，等等

我把你的提交记录都看了，好像没修改，但是不知道为啥当时在我测试集上指标很高的模型，现在测出来precision recall几乎为0

我当时测试集结果留了截图的

[JulioZhao97]

@njustczr 您好，是自己训的模型还是公开的模型？

[njustczr]

@njustczr 您好，是自己训的模型还是公开的模型？

在我自己数据集上微调的模型

[njustczr]

@njustczr 您好，是自己训的模型还是公开的模型？
python val.py --data ppt_structure --model best_1108.pt --device 2 --batch-size 64 指标异常，但是跑demo脚本我把测试集结果可视化了，看上去挺正常的

[JulioZhao97]

@njustczr 请问您有重装conda虚拟环境吗？

[njustczr]

@njustczr 请问您有重装conda虚拟环境吗？

重装过conda虚拟环境也不行

[JulioZhao97]

@njustczr 请问您最近有重装过doclayout-yolo吗？

[njustczr]

@njustczr 请问您最近有重装过doclayout-yolo吗？

对的 重装过doclayout-yolo的

[JulioZhao97]

@请问是什么时候重装的？怎么安装的呢？因为最近我们推送了一版DocLayout-YOLO-beta（更新了不加入DFL）作为内测版本，这个可能导致评测时候的问题

[njustczr]

@请问是什么时候重装的？怎么安装的呢？因为最近我们推送了一版DocLayout-YOLO-beta（更新了不加入DFL）作为内测版本，这个可能导致评测时候的问题

我就这周重新安装的 能详细说明一下吗

[JulioZhao97]

@njustczr 在MinerU新版本中我们更新了一版DocLayout-YOLO-beta到PYPI（但是还在内测，暂时不会更新到github）；可以麻烦您检查一下版本：

conda list | grep doclayout

然后检查一下您本地代码这一行吗：

DocLayout-YOLO/doclayout_yolo/nn/modules/head.py

Line 34 in 7c4be36

self.reg_max = 16 # DFL channels (ch[0] // 16 to scale 4/8/12/16/20 for n/s/m/l/x)

[njustczr]

@njustczr 在MinerU新版本中我们更新了一版DocLayout-YOLO-beta到PYPI（但是还在内测，暂时不会更新到github）；可以麻烦您检查一下版本：

conda list | grep doclayout
然后检查一下您本地代码这一行吗：

DocLayout-YOLO/doclayout_yolo/nn/modules/head.py

Line 34 in 7c4be36

self.reg_max = 16 # DFL channels (ch[0] // 16 to scale 4/8/12/16/20 for n/s/m/l/x)

[njustczr]

@njustczr 在MinerU新版本中我们更新了一版DocLayout-YOLO-beta到PYPI（但是还在内测，暂时不会更新到github）；可以麻烦您检查一下版本：

conda list | grep doclayout
然后检查一下您本地代码这一行吗：

DocLayout-YOLO/doclayout_yolo/nn/modules/head.py

Line 34 in 7c4be36

self.reg_max = 16 # DFL channels (ch[0] // 16 to scale 4/8/12/16/20 for n/s/m/l/x)

是我要根据不同的模型大小 调整对应的值吗

[JulioZhao97]

应该不是，这样看起来貌似没有什么问题

[JulioZhao97]

@njustczr 我建议您在用val.py的时候，使用一下下面这些参数，例如save_json=True，以及plot=True，看一下通过evaluation跑出来的检测结果，和用demo.py直接inference的结果对比一下，直接把相关参数加进去即可：

DocLayout-YOLO/val.py

Lines 17 to 21 in 7c4be36

	model.val(
	data=f'{args.data}.yaml',
	batch=args.batch_size,
	device=args.device,
	)

[njustczr]

应该不是，这样看起来貌似没有什么问题

很奇怪 这是相同权重 现在测的结果

这是之前测的结果（我当时保存的截图
）

[njustczr]

应该不是，这样看起来貌似没有什么问题

很奇怪 这是相同权重 现在测的结果

这是之前测的结果（我当时保存的截图 ）

测试集我这校对过 但是不太可能差这么多

[njustczr]

@njustczr 我建议您在用val.py的时候，使用一下下面这些参数，例如save_json=True，以及plot=True，看一下通过evaluation跑出来的检测结果，和用demo.py直接inference的结果对比一下，直接把相关参数加进去即可：

DocLayout-YOLO/val.py

Lines 17 to 21 in 7c4be36

model.val(
data=f'{args.data}.yaml',
batch=args.batch_size,
device=args.device,
)

加了 看了部分保留的val验证保留的部分结果图 完全不对了

[njustczr]

@njustczr 我建议您在用val.py的时候，使用一下下面这些参数，例如save_json=True，以及plot=True，看一下通过evaluation跑出来的检测结果，和用demo.py直接inference的结果对比一下，直接把相关参数加进去即可：

DocLayout-YOLO/val.py

Lines 17 to 21 in 7c4be36

model.val(
data=f'{args.data}.yaml',
batch=args.batch_size,
device=args.device,
)

大佬加个微信吧 这个沟通感觉有点慢

[JulioZhao97]

@njustczr zzy8782180

[njustczr]

@njustczr zzy8782180

加你了大佬