# test_on_train_end

Python API: `luxonis_train.callbacks.test_on_train_end`

训练结束时测试最佳检查点。

## 类

### TestOnTrainEnd

训练结束时测试最佳检查点的回调。

此回调将
[NeedsCheckpoint.get_checkpoint](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/callbacks/needs_checkpoint.md)
的检查点传递给
[LuxonisModel.test](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/core/core.md)。它总是首先尝试最佳主要指标，然后是最低验证损失。其构造函数不接受
`preferred_checkpoint`。

当 `trainer.smart_cfg_auto_populate` 设置时，如果 `trainer.callbacks`
中缺少此回调，[Config.smart_auto_populate](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/config/config.md)
会将其添加到
`trainer.callbacks`。[LuxonisModel.tune](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/core/core.md)
会将其从每个试验的配置中移除。

#### 方法

##### init

```python
def __init__(view: View = 'test'):
```

初始化回调。

参数

 * `view` (`View`): 要测试的数据集视图。测试读取此视图的 PyTorch 加载器。每个视图的日志键都以 `test/` 开头。

##### on_train_end

```python
def on_train_end(trainer: pl.Trainer, pl_module: lxt.LuxonisLightningModule):
```

在最佳检查点上测试模型。

当 `trainer.fit` 结束时，Lightning 会调用此钩子一次。此钩子使用
[NeedsCheckpoint.get_checkpoint](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/callbacks/needs_checkpoint.md)
选择一个检查点，并将其与 `view` 一起传递给
[LuxonisModel.test](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/core/core.md)。测试将其值记录到跟踪器。它不会最终确定跟踪器。[LuxonisModel.train](https://docs.luxonis.com/zh/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/core/core.md)
在运行结束时执行此操作。

当不存在检查点时，钩子会记录警告。然后测试使用
[LuxonisModel](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/core/core.md)
构造函数的权重，或配置的 `model.weights`。如果两者都没有，它会使用模块的当前权重。

测试后，钩子会恢复两件事：

 * 测试将模块移动到 CPU。钩子将 `pl_module` 移回其先前的设备。
 * 测试从
   [LuxonisLightningModule.configure_callbacks](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/lightning/luxonis_lightning.md)
   附加新的 `ModelCheckpoint` 回调，每个回调都有一个空的 `best_model_path`。钩子将先前的路径复制到其中，并按 `monitor` 匹配。因此，后续的回调（例如
   [ConvertOnTrainEnd](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/callbacks/convert_on_train_end.md)）仍然可以找到最佳检查点。

测试将检查点加载到 `pl_module.core.lightning_module` 中，该模块在
[LuxonisModel.train](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/core/core.md)
运行中是 `pl_module`。它仅为测试加载检查点。钩子之后，该模块会再次持有其先前的权重。

参数

 * `trainer` (`pl.Trainer`): 训练器。钩子读取并更新其检查点回调。
 * `pl_module` (`lxt.LuxonisLightningModule`): 要测试的模型。
