Yolov10验证训练结果的吐槽，如何写val.py？

目录

吐槽点一：

吐槽点二：

吐槽点三：

吐槽点四：

吐槽点五：

吐槽点六：

-------------------------------------分割线--------------------------------------

这篇博客唯一有用的东西

---

        首先声明这是一篇带有无脑吐槽性质的博客，无脑喷子，大家看了就图一乐就得了，我已经破防了希望各位仁兄别骂我。最近在跑Yolov10，yolov10是基于Yolov8的基础上改的，所以训练和验证方式和Yolov8的一致。需要学习如何写val.py的直接跳到最下面的位置。

吐槽点一：

        居然没有train.py和val.py这样的文件，对于小白的上手来说比Yolov5框架困难。但是虽然没有train.py搜索一下还是可以发现网上有一大堆教程教你怎么写train.py进行训练的。

吐槽点二：

        虽然可以找到很多训练的脚本，但关于如何写val.py的却寥寥无几，为什么呢？因为很蠢，所以只有少部分愿意花心思的人才可以搞明白。而我远不是这样的人，这也是我为什么气愤的原因。由于网上关于val.py的博客太少了，所以我尝试用train.py进行仿写，但是这就是入坑的开始。在训练的时候我能够正常跑出训练指标。

        但是在测试的时候就什么东西都没有了，结果如下：

        我心想我明明训练的时候都好好的为什么测试的时候会这样呢，数据集问题吗，还是我的权重没有保存好呢？就这样反复检查浪费半个早上的时间。真的是无奈啊。

吐槽点三：

        在我反复的尝试过程中最终终于向官方妥协打开了官方文档，查看到底官方怎么写的这个val.py。官方倒是很明白直接给了一个示例，注意Load a model中的两行代码使用其中一行即可，上面那一行是调用官方权重，下面那一行是调用你训练好的权重。

        最精彩的来了Validate the model的第一行，好家伙，不需要传入任何参数（除了传入模型的参数）即可进行验证，因为记住了数据集和设置。真的是气吐血了，好像看起来很方便吗？都不需要你设置任何参数，那你为什么不直接把train.py和val.py像Yolov5那样写好呢？

吐槽点四：

        不用传参，也不让传参。做小目标的朋友可能熟悉得知道Yolov5的方便，因为只需要修改val.py中的几个地方就可以直接调用COCOeval来生成APs的指标，但是Yolov8的不用传参，就是真的足够蠢啊。

        当我将save_json的参数设置为True的时候也不出指标，我寻思着刚才不是还行吗，用另外的脚本验证，这个保存的json文件确实是可以用的。

        但是为何啊，我真的不理解我改了个save_json为什么原来可以生成的指标都不给了？真的是非常不理解，如果你实在担心有些参数误修改的话你也可以设置一个判断然后将修改了save_json这个设置成依旧可以输出指标啊。

吐槽点五：

        在我不传入参数的时候的验证结果保存的路径为什么要放到detect下面呢

        val自己不配拥有一个文件夹吗。当然不是验证这么重要的一个过程当然要有自己的文件夹，所以不让传参其实还是可以传参的，当设置了project和name的参数的时候，就可以让val的结果和train一样自己另外保存一个文件夹了。

        很好，更不理解了，为什么这个参数可以传而且不影响结果的输出？因为对结果没影响吗，那save_json对结果有影响吗，这两个参数设置一样的逻辑不就好了吗。

吐槽点六：

        最后且最需要吐槽的就是自己，倘若自己最开始就能够耐心的去看官方文档的话自然是不会有这些问题，好好反思好好学习。

-------------------------------------分割线--------------------------------------

        学习有时候很枯燥乏味，能解决问题还是给它添上了一点不一样的滋味，道阻且长

这篇博客唯一有用的东西

        最后的最后，即使是一篇再没有营养的博客也应该有点啥，既然是吐槽val.py那就贴一下官方给的val.py的写法。

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n.pt")  # load an official model
model = YOLO("path/to/best.pt")  # load a custom model

# Validate the model
metrics = model.val()  # no arguments needed, dataset and settings remembered
metrics.box.map  # map50-95
metrics.box.map50  # map50
metrics.box.map75  # map75
metrics.box.maps  # a list contains map50-95 of each category

另附上官方文档链接Val - Ultralytics YOLO Docs