test_on_train_end
最后更新
luxonis_train.callbacks.test_on_train_end训练结束时测试最佳检查点。类
TestOnTrainEnd
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 会将其添加到 trainer.callbacks。LuxonisModel.tune 会将其从每个试验的配置中移除。方法
init
Python
1def __init__(view: View = 'test'):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
1def on_train_end(trainer: pl.Trainer, pl_module: lxt.LuxonisLightningModule):trainer.fit 结束时,Lightning 会调用此钩子一次。此钩子使用 NeedsCheckpoint.get_checkpoint 选择一个检查点,并将其与 view 一起传递给 LuxonisModel.test。测试将其值记录到跟踪器。它不会最终确定跟踪器。LuxonisModel.train 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 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 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)仍然可以找到最佳检查点。
pl_module.core.lightning_module 中,该模块在 LuxonisModel.train 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。