任务总览

更新时间：2022-05-06

任务训练完成后可在任务总览页整体查看任务状态、查看任务训练时的配置详情、启动模型校验、查看模型评估报告以及发布为模型等操作

任务总览页

所以创建完成的任务统一管理在任务总览页，可在当前界面查看每个任务版本的详细情况，总览页展示当前任务的任务基础信息，含任务名称、任务ID、任务最新版本、训练方式、训练算法、训练状态、任务效果、对应模型

任务名称及ID

展示当前任务的任务名称及ID，任务名称支持用户修改

训练方式及训练算法

展示当前版本的训练方式及训练算法设置，AutoDL下将展示用户选择的是高精度或高性能算法，高阶调参模式将展示用户选择的具体网络

训练状态

展示当前任务的训练状态，训练状态分为训练中、训练完成、训练失败

处于训练中状态下可通过hover提示查看当前训练进度

任务训练失败可通过hover提示查看失败原因，或提交工单联系我们，对于失败的任务可查看报错日志定位训练失败原因

任务效果

任务训练完成后可在总览页初步查看任务效果

对应模型

对于训练效果优秀的模型可发布为模型，进行后续部署相关操作，对于已发布任务，可查看当前任务的对应模型

完整评估报告

任务训练后将自动产出模型评估报告，点击【完整评估报告】可查看当前任务版本评估报告

图像分类

下图为图像分类任务完整评估报告，完整评估报告中可以查看该模型的训练配置、准确率、F1-score及按分类查看错误示例。这部分模型效果的指标是基于训练数据集，随机抽出部分数据不参与训练，仅参加模型效果评估计算得来。因此当数据量较少时（如图片数量低于100个），参与评估的数据可能不超过30个，这样得出的模型评估报告效果仅供参考，无法完全准确体现模型效果。

整体评估

整体评估中包含模型准确率以及F1-Score

准确率：基于测试集样本，正确预测样本数与总样本数的比例

F1-Score：为各类别准确率与召回率的调和平均值，整体评估中展示的是各分类的平均F1-Score

详细评估

详细评估中支持用户按分类查看错误实例，以下图举例，错误示例展示图片的正确结果以及实际预测结果，帮助分析错识别的原因

物体检测及实例分割

对于检测和分割任务类型，评估报告中将整体展示mAP、精确率、召回率、不同阈值下的F1-Score表现以及按分类查看错误示例。这部分模型效果的指标是基于训练数据集，随机抽出部分数据不参与训练，仅参加模型效果评估计算得来。因此当数据量较少时（如图片数量低于100个），参与评估的数据可能不超过30个，这样得出的模型评估报告效果仅供参考，无法完全准确体现模型效果。

整体评估

整体评估中包含模型mAP、精确率以及召回率

mAP：mAP（mean average precision）是Object Detection算法中衡量算法效果的指标。对于物体检测任务，每一类object都可以计算出其精确率（Precision）和召回率（Recall），在不同阈值下多次计算/试验，每一类object都可以计算出其精确率和召回率，在不同阈值下多次计算，每个类都可以得到一跳P-R曲线，曲线下的面积就是average precision（AP）的值。"mean"的意思是对每个类的AP再求平均，得到的就是mAP的值。mAP在[0，1]区间，越接近1模型效果越好