什么是total_loss，loss_cls等

Question

我想训练一个使用faster_rcnn或mask_rcnn的自定义数据集，并且Detectron2 .Everything工作得很好，但是我想知道我有什么结果。

[11/29 20:16:31 d2.utils.events]:  eta: 0:24:04  iter: 19  total_loss: 9.6  loss_cls: 1.5  loss_box_reg: 0.001034  loss_mask: 0.6936  loss_rpn_cls: 6.773  loss_rpn_loc: 0.5983  time: 1.4664  data_time: 0.0702  lr: 4.9953e-06  max_mem: 2447M

我有这样的结果，我想知道这一切意味着什么

Answer 1

这些指标是在训练循环的每一次迭代中打印出来的。最重要的是损失值，但下面是它们的基本描述(我认为eta和iter是不言自明的)。

total_loss：这是在迭代过程中计算的下列个人损失的加权总和。默认情况下，所有的权重都是一个。

1. loss_cls：ROI头部的分类损失。衡量盒子分类的损失，即模型在用正确的类别标记预测的盒子方面有多好。
2. loss_box_reg：ROI头的本地化损失。测量盒子定位的损失(预测的位置和真实的位置)。
3. loss_rpn_cls：区域提案网络中的分类损失。衡量“客观”损失，即RPN在将锚定盒标记为前景或背景方面有多好。
4. loss_rpn_loc：区域提案网络中的本地化损失。测量RPN中预测区域的局部化损失。
5. loss_mask：面具头上的面具丢失。度量预测的二进制掩码如何“正确”。 有关损失(1)和(2)的更多细节，请查看快速R-CNN报纸和代码。 有关损失(3)和(4)的更多细节，请查看更快的R报纸和代码。 有关损失(5)的更多细节，请查看蒙版R-CNN报纸和代码。

time：迭代所花费的时间。

data_time：数据服务器在该迭代中占用的时间。

lr：迭代中的学习速率。

max_mem：张量占用的最大GPU内存(以字节为单位)。