mmdet3d模型输出的各个参数解释

mmdet3d模型输出的各个参数解释

lr: 7.973e-05, eta: 34 days, 2:27:48, time: 9.124, data_time: 0.101, memory: 5017, loss_cls: 1.3836, loss_bbox: 2.0700, d0.loss_cls: 1.4157, d0.loss_bbox: 4.1906, d1.loss_cls: 1.3849, d1.loss_bbox: 2.1663, d2.loss_cls: 1.3517, d2.loss_bbox: 2.1324, d3.loss_cls: 1.3615, d3.loss_bbox: 2.0996, d4.loss_cls: 1.3966, d4.loss_bbox: 2.0747, loss: 23.0276, grad_norm: 32.6606

lr：学习率（learning rate），用于控制模型参数在每次迭代更新时的步长大小。这个值通常会随着训练的进行而逐渐调整。
eta：预计剩余时间（estimated time remaining），即预计完成训练所需的剩余时间。
time：每个迭代（或批次）的平均处理时间，以秒为单位。
data_time：数据加载所需的时间，以秒为单位。这表示在每个迭代中，模型花费了多少时间来加载训练数据。
memory：内存占用情况，通常以 MB 或 GB 为单位，表示模型当前使用的内存大小。
loss_cls：分类损失（classification loss），用于衡量模型预测的类别与真实类别之间的差异。
loss_bbox：边界框回归损失（bounding box regression loss），用于衡量模型预测的边界框与真实边界框之间的差异。
d0.loss_cls、d0.loss_bbox、d1.loss_cls、d1.loss_bbox、d2.loss_cls、d2.loss_bbox、d3.loss_cls、d3.loss_bbox、d4.loss_cls、d4.loss_bbox：如果模型是分层的（如级联目标检测模型），则这些表示不同层级的分类损失和边界框回归损失。
loss：总损失，通常是分类损失和边界框回归损失的总和。
grad_norm：梯度的范数（gradient norm），用于衡量梯度的大小，通常用于监控梯度爆炸或梯度消失的情况。