场景：当前YOLOv8训练过程中输出的是针对所有类别的各项指标，具体数据保存在 results.csv 这个文件中。有时候，我们想要得到具体类别训练过程中的指标情况，此时就没有办法了，使用val.py 也只是输出最终的一个各类指标，无法得到训练过程的指标数据，针对这一需求，进行修改，最终可以得到各项指标的一个csv文件
具体修改后效果如下：
各个类别训练过程的指标被保存到相应的result_xxx.csv 文件中
版本环境
YOLOv8 8月份版本，最新版本在测
修改
trainer.py
1 添加一个 save_metrics_per_class 函数，放到save_metrics函数后面
def save_metrics_per_class(self, box):
"""Saves training metrics per class to a CSV file."""
# ap ap50 p r 提示作用
keys = ['ap', 'ap50', 'p', 'r']
n = 4 + 1 # number of cols
for i in box.ap_class_index:
cur_class = self.model.names[box.ap_class_index[i]]
save_path = self.save_dir.joinpath("result_" + cur_class + ".csv")
vals = [box.ap[i], box.ap50[i], box.p[i], box.r[i]]
s = '' if save_path.exists() else (('%23s,' * n % tuple(['epoch'] + keys)).rstrip(',') + '\n') # header
with open(save_path, 'a') as f:
f.write(s + ('%23.5g,' * n % tuple([self.epoch] + vals)).rstrip(',') + '\n')2 validate函数修改
def validate(self):
"""
Runs validation on test set using self.validator. The returned dict is expected to contain "fitness" key.
"""
# metrics = self.validator(self) 原始版本
metrics, box = self.validator(self)
fitness = metrics.pop('fitness', -self.loss.detach().cpu().numpy()) # use loss as fitness measure if not found
if not self.best_fitness or self.best_fitness < fitness:
self.best_fitness = fitness
# return metrics, fitness 原始版本
return metrics, fitness, box找到
if self.args.val or final_epoch:
self.metrics, self.fitness = self.validate()修改为
if self.args.val or final_epoch:
self.metrics, self.fitness, box = self.validate()validator.py
找到 stats = self.get_stats()
改为 stats,box = self.get_stats()
找到 return {k: round(float(v), 5) for k, v in results.items()}
改为 return {k: round(float(v), 5) for k, v in results.items()}, box
val.py
get_stats()
找到 return self.metrics.results_dict
改为 return self.metrics.results_dict,self.metrics.box
save_metrics_per_class 函数
可以看到支持的指标有 all_ap （可用来计算其他ap指标），ap，ap50，f1，p，r
我在函数中使用的是 ap，ap50，p，r
==注意：添加指标，使用的是 . 而不是 ["xxxx"] 如 box.ap[i] 而不是 box['ap'][i]==
def save_metrics_per_class(self, box):
"""Saves training metrics per class to a CSV file."""
# ap ap50 p r 提示作用
keys = ['ap', 'ap50', 'p', 'r']
n = 4 + 1 # number of cols
for i in box.ap_class_index:
cur_class = self.model.names[box.ap_class_index[i]]
save_path = self.save_dir.joinpath("result_" + cur_class + ".csv")
vals = [box.ap[i], box.ap50[i], box.p[i], box.r[i]]
s = '' if save_path.exists() else (('%23s,' * n % tuple(['epoch'] + keys)).rstrip(',') + '\n') # header
with open(save_path, 'a') as f:
f.write(s + ('%23.5g,' * n % tuple([self.epoch] + vals)).rstrip(',') + '\n')最后
在 self.save_metrics(metrics={self.label_loss_items(self.tloss), self.metrics, **self.lr}) 后面调用
self.save_metrics_per_class(box)
即可
其他
增加训练过程各类指标打印（可选，默认开启是有条件的）
val.py 找到 print_results() 函数 在
LOGGER.info(pf % ('all', self.seen, self.nt_per_class.sum(), *self.metrics.mean_results())) 后面
添加
for i, c in enumerate(self.metrics.ap_class_index):
LOGGER.info(pf % (self.names[c], self.seen, self.nt_per_class[c], *self.metrics.class_result(i)))有问题，欢迎留言、进群讨论或私聊：【群号：392784757】
