【mmdetection 】analyze_logs.py等工具测试

#绘制一些运行的分类损失。
python tools/analyze_logs.py plot_curve work_dirs/faster_rcnn_r50_fpn_1x/20200306_175509.log.json --keys loss_cls --legend loss_cls

#绘制一些运行的分类和回归损失，并将该图保存为pdf。
python tools / analyze_logs.py plot_curve work_dirs/faster_rcnn_r50_fpn_1x/20200306_175509.log.json--keys loss_cls loss_reg --out loss.pdf

#比较同一图中两次运行的bbox_mAP（我的log里面没有bbox_mAP,所以我选择了acc）。

python tools/analyze_logs.py plot_curve work_dirs/faster_rcnn_r50_fpn_1x/20200305_162713.log.json work_dirs/faster_rcnn_r50_fpn_1x/20200306_175509.log.json --keys acc --legend run1 run2

#您还可以计算平均训练速度。

python tools/analyze_logs.py  cal_train_time work_dirs/faster_rcnn_r50_fpn_1x/20200306_175509.log.json  (官网注释这里错了，其实还是log文件)

#我们提供了一个适用于flops-counter.pytorch的脚本，用于计算给定模型的FLOP和参数。
python tools/get_flops.py configs/my3.py