7.3 KiB
评测器（Evaluator）
在模型验证和模型测试中，通常需要对模型精度做定量评测。在 MMEngine 中实现了评测器来完成这一功能。评测器可以根据模型的输入数据和预测结果，计算特定的评测指标（Metric）。评测器与数据集之间相互解耦，这使得用户可以任意组合所需的测试数据和评测器。如 COCOEvaluator 可用于计算 COCO 数据集的 AP，AR 等评测指标，也可用于其他的目标检测数据集上。
模型精度评测
使用评测器计算模型精度的过程如下图所示。
测试数据通常会被划分为若干批次（batch）。通过一个循环，依次将每个批次的数据送入模型，得到对应的预测结果，并将预测结果连同模型的输入数据一起通过评测器的 process() 方法送入评测器。当循环结束后，再调用评测器的 evaluate() 方法，即可计算得到对应的评测指标。
在实际使用中，这些操作均由任务执行器完成。用户只需要在配置文件中选择要使用的评测器并配置相应参数即可。
在配置文件中配置评测器
在配置文件中配置评测器时，需要指定评测器的类别、参数以及调用方式等。其中，调用方式通常针对模型验证阶段，包括调用评测器的间隔时间单位（epoch 或 iteration）、间隔时间、主要评测指标（即筛选最佳 checkpoint 所依据的指标）等。
例如，用户希望在模型验证时使用 COCO 评测器，每 10 epoch 评测一次，并以 AP 作为主要评测指标，对应的配置文件部分如下：
validation_cfg=dict(
evaluator=dict(type='COCO'), # 使用 COCO 评测器，无参数
main_metric='AP', # 主要评测指标为 AP
interval=10, # 每 10 epoch 评测一次
by_epoch=True,
)
使用多个评测器
评测器支持组合使用。用户可以通过配置多个评测器，在模型验证或模型测试阶段同时计算多个评测指标。使用多个评测器时，只需要在配置文件里将所有评测器的配置写在一个列表里即可：
validation_cfg=dict(
evaluator=[
dict(type='Accuracy', top_k=1), # 使用分类正确率评测器
dict(type='F1Score') # 使用 F1_score 评测器
],
main_metric='accuracy'
interval=10,
by_epoch=True,
)
在使用多个评测器时，可能会出现评测指标同名的情况。比如，在下面的例子中使用了 2 个参数不同的分类正确率评测器，它们对应的评测指标都是 accuracy。此时，为了避免歧义，需要给评测器设置 prefix 参数。评测器的 prefix 会自动添加在评测指标名称的开头，从而使同名的评测指标可以区分。
validation_cfg=dict(
evaluator=[
dict(type='Accuracy', top_k=1, prefix='top1'),
dict(type='Accuracy', top_k=5, prefix='top5')
],
main_metric='top1_accuracy', # 前缀 'top1' 被自动添加进指标名称中，用以区分同名指标
interval=10,
by_epoch=True,
)
增加自定义评测器
在 OpenMMLab 的各个算法库中，已经实现了对应方向的常用评测器。如 MMDetection 中提供了 COCO 评测器，MMClassification 中提供了 Accuracy、F1Score 等评测器等。
用户也可以根据自身需求，增加自定义的评测器。在实现自定义评测器时，用户需要继承 MMEngine 中提供的评测器基类 BaseEvaluator，并实现对应的抽象方法。
评测器基类
评测器基类 BaseEvaluator 是一个抽象类，具有以下 2 个抽象方法：
process(): 处理每个批次的测试数据和模型预测结果。处理结果应存放在self.results列表中，用于在处理完所有测试数据后计算评测指标。compute_metrics(): 计算评测指标，并将所评测指标存放在一个字典中返回。
其中，compute_metrics() 会在 evaluate() 方法中被调用；后者在计算评测指标前，会在分布式测试时收集和汇总不同 rank 的中间处理结果。而 process() 和 evaluate() 都会由任务执行器调用。因此，用户只需要在继承 BaseEvaluator 后实现 process() 和 compute_metrics() 方法即可。
需要注意的是，self.results 中存放的具体类型取决于自定义评测器类的实现。例如，当测试样本或模型输出数据量较大（如语义分割、图像生成等任务），不宜全部存放在内存中时，可以在 self.results 中存放每个批次计算得到的指标，并在 compute_metrics() 中汇总；或将每个批次的中间结果存储到临时文件中，并在 self.results 中存放临时文件路径，最后由 compute_metrics() 从文件中读取数据并计算指标。
自定义评测器类
我们以实现分类正确率（Classification Accuracy）评测器为例，说明实现自定义评测器的方法。
首先，自定义评测器类应继承自 BaseEvaluator，并应加入注册器 EVALUATORS (关于注册器的说明请参考相关文档)。
process() 方法有 2 个输入参数，分别是测试数据样本data_samples和模型预测结果 predictions。我们从中分别取出样本类别标签和分类预测结果，并存放在 self.results 中。
compute_metrics()方法有 1 个输入参数 results，里面存放了所有批次测试数据经过 process() 方法处理后得到的结果。从中取出样本类别标签和分类预测结果，即可计算得到分类正确率 acc。最终，将计算得到的评测指标以字典的形式返回。
具体的实现如下：
from mmengine.evaluator import BaseEvaluator
from mmengine.registry import EVALUATORS
import numpy as np
@EVALUATORS.register_module()
class Accuracy(BaseEvaluator):
def process(self, data_samples: Dict, predictions: Dict):
"""Process one batch of data and predictions. The processed
Results should be stored in `self.results`, which will be used
to computed the metrics when all batches have been processed.
Args:
data_samples (dict): The data samples from the dataset.
predictions (dict): The output of the model.
"""
# 取出分类预测结果和类别标签
result = dict(
'pred': predictions.pred_label,
'gt': data_samples.gt_label
)
# 将当前 batch 的结果存进 self.results
self.results.append(result)
def compute_metrics(self, results: List):
"""Compute the metrics from processed results.
Args:
results (dict): The processed results of each batch.
Returns:
Dict: The computed metrics. The keys are the names of the metrics,
and the values are corresponding results.
"""
# 汇总所有样本的分类预测结果和类别标签
preds = np.concatenate([res['pred'] for res in results])
gts = np.concatenate([res['gt'] for res in results])
# 计算分类正确率
acc = (preds == gts).sum() / preds.size
# 返回评测指标结果
return {'accuracy': acc}