WEBVTT - generated by wenglor-media

1
00:00:00.040 --> 00:00:01.440
在本视频中，我们将学习

2
00:00:01.440 --> 00:00:04.080
如何在AI实验室中评估训练好的模型。

3
00:00:04.120 --> 00:00:06.640
我们将使用示例数据集之一，

4
00:00:06.640 --> 00:00:09.720
因为这些数据集已包含预训练模型。

5
00:00:09.880 --> 00:00:12.960
点击 “All Models” 进入 “Models”
页面，

6
00:00:12.960 --> 00:00:15.400
选择需要审查的模型。

7
00:00:18.480 --> 00:00:19.920
在 “Model Review” 页面，

8
00:00:19.920 --> 00:00:23.040
您将看到详细的性能指标 –

9
00:00:23.040 --> 00:00:25.560
包括百分比平衡准确率、

10
00:00:25.560 --> 00:00:27.280
错误预测数量、

11
00:00:27.280 --> 00:00:29.160
毫秒级推理时间，

12
00:00:29.160 --> 00:00:31.680
以及各类别的召回率和精确率。

13
00:00:40.200 --> 00:00:41.920
“Confusion Matrix” 展示

14
00:00:41.920 --> 00:00:45.360
实际标签与预测结果的对比情况，

15
00:00:45.360 --> 00:00:48.240
以及各类别的识别准确度。

16
00:00:52.960 --> 00:00:54.960
您还可查看正确

17
00:00:54.960 --> 00:00:56.960
预测与错误预测的示例。

18
00:01:01.000 --> 00:01:02.000
在 “Info” 标签页中，

19
00:01:02.000 --> 00:01:05.000
可查看图像分辨率、

20
00:01:05.000 --> 00:01:08.000
数据集规模及类别数量等 详细参数。

21
00:01:08.000 --> 00:01:10.000
点击 “Review Wrong Predictions”

22
00:01:10.000 --> 00:01:13.000
可查看误分类图像的完整尺寸。

23
00:01:20.000 --> 00:01:22.000
在此界面可启用 “Heatmap” 功能，直观了解

24
00:01:22.000 --> 00:01:25.000
图像哪些区域影响了预测结果。

25
00:01:33.000 --> 00:01:36.000
必要时可重新标注这些图像

26
00:01:36.000 --> 00:01:38.000
并重新训练模型以提升准确率。

27
00:01:54.000 --> 00:01:56.000
所有模型性能

28
00:01:56.000 --> 00:01:58.000
数据均可生成可打印报告，

29
00:01:58.000 --> 00:02:01.000
便于共享或存档。