CodaLab测试MS-COCO2017训练的结果，即MS-COCO2017 test-dev步骤

1. 修改val.py代码，is_coco = True

is_coco = True
# is_coco = isinstance(data.get('val'), str) and data['val'].endswith(f'coco{os.sep}val2017.txt')  # COCO dataset

 2. 下载image_info_test-dev2017.json文件，修改下面代码

anno_json = str(Path(data.get('path', '../coco')) / 'annotation/image_info_test-dev2017.json')

3. 修改coco.yaml配置文件测试图片路径（需要本地下载test2017图片）

path: ./coco/ # dataset root dir
train: train2017.txt  # train images (relative to 'path') 118287 images
val: val2017.txt # train images (relative to 'path') 5000 images
test: test-dev2017.txt # test images (optional)

4. 修改--task参数为test

    parser.add_argument('--task', default='test', help='train, val, test, speed or study')

5. 运行val.py，将生成的best_predictions.json压缩成.zip包

 6. 登录CodaLab网址（CodaLab - Competition）

 7. 点击Submit选择第5步中的best_predictions.zip压缩包上传，等待结果即可，成功会显示Finished，点击后面+号即可查看测试结果。