损失检查器

损失 损失是指验证损失，这是一个显示工具在验证集上表现的指标。损失的值可以介于 0 和 1 之间。VisionPro Deep Learning 应用程序根据工具在处理验证集图像时所出现的错误来计算损失。在训练期间，您可以使用损失检查器实时检查损失。查看器窗口提供有关工具在训练 训练是您的工具（神经网络）根据您的标注学习特征（像素）的过程。例如，工具将根据您绘制的缺陷/正常标注，学习每个图像中的缺陷/正常像素。工具训练的目标是充分学习，能够对未见过的图像是否缺陷给出正确的检测结果。训练的关键是确保将所有可能的变化都包括在训练集中，并且图像被正确标注。训练时间因应用程序、工具设置以及用于训练网络的 PC 中的 GPU 而异。过程中的实时表现信息。损失查看器展示验证 验证是指在工具训练过程中用于评估性能的一个过程。验证就像工具在训练阶段进行的模拟考试，是与最终测试分开的。例如，验证可以帮助您识别过拟合，并避免在训练工具时浪费时间。如果您意识到该工具正在过拟合，可以提前停止训练。训练过程中损失的变化，从而表明工具在验证集 验证集是一组保留用于验证的图像集。验证集与训练集和测试集是独立分开的。由于验证集是独立的，您可以评估该工具在处理未见过的图像时的表现。VisionPro Deep Learning应用程序计算特殊指标，即损失。损失是基于工具在验证集上的表现。上的表现。如果结果不够理想，您可以提前停止训练。这为您节省了时间，因为您可以停止无效的训练，并在调整设置后重新尝试。

使用损失检查器

您可以在工具训练过程中或之后的任何时间使用损失检查器。

要打开 损失查看器：

• 转到工具 > 检查损失。

• 在训练过程中，单击图形图标。

如果您在训练完成之前中止训练，将会弹出一个窗口，询问您是否要保存当前模型 特征集合的特定空间排列（仅限蓝色定位和蓝色读取工具。）在后处理步骤中，蓝色定位和蓝色读取工具可以将在图像中检测的所有特征与该工具定义的模型相拟合。然后返回模型的整体位姿和标识。。保存模型还会保存迄今为止训练中记录的验证损失。

损失检查器窗口

数字	说明
1	进度条显示当前训练会话的进度。
2	损失图形展示了验证损失得分随时间的变化。 训练结束后，图表上会出现一个红点，标记 图像标记是由 VisionPro Deep Learning 工具生成的注释。工具生成的标记是工具处理特定图像时获得的“答案”。您可以通过将工具生成的标记与用于同一图像的标注进行比较，从而验证工具的性能。与标注一样，生成的特定标记取决于工具。本次训练会话的最佳迭代次数 通过反复向网络提供采样图像数据、处理数据，将结果与预期的真值进行比较，然后调整网络权重并再次尝试训练深度学习工具。迭代次数计数是通过网络处理每个输入样本的次数。和最佳损失。 注意： 选中缩放/平移复选框后，您可以放大/缩小、放大特定矩形区域或平移损失图形。
3	详细结果表格。 训练已耗时间 从训练过程开始，已经过去了多少时间。 已训练轮次 从训练过程开始，已经过去了多少个迭代次数。 损失 工具在特定时间的验证损失得分。 最佳迭代次数 在当前训练阶段中记录了最低验证损失得分的迭代次数。 注意： 当验证损失在几个实耗迭代次数内保持不变时，损失检查器会使用内部指标，从具有相同损失值的迭代次数中选择最佳迭代次数。 最佳损失 在当前训练过程中的最低验证损失得分。

如何解释损失

VisionPro Deep Learning 应用程序在每个迭代次数结束时计算损失。一个迭代次数是工具处理训练集数据所需的时间。每个训练阶段持续几个迭代次数。如果训练过程有效，损失将随着迭代次数逐渐减少。

在理解损失分数时，请考虑以下几个方面：

• 分数越低越好：分数越低，说明该工具在验证集上出错越少。

• 随时间推移的稳定性：理想情况下，分数会随着时间的推移而下降并趋于稳定。如果分数在高低之间波动或增加，这意味着训练未达到预期效果。