训练报告: 01181918_e50_w80_linear

训练环境与参数（train）
变量名 含义 值
time_start 开始时间 2026-01-18 19:13:54
platform 平台 Linux-5.10.134-18.0.6.lifsea8.x86_64-x86_64-with-glibc2.35
processor CPU架构 x86_64
python_version Python版本 3.10.6
torch_version Torch版本 2.0.0+cu118
cuda_available CUDA可用 False
cuda_device_count GPU数量 0
cuda_device_name_0 GPU0名称 NA
device_used 使用设备 cpu
epochs 训练轮数 50
train_seconds 训练时长 4分钟24秒
threshold_default 默认阈值 0.5
pos_weight_used pos_weight 80.0
lr_init 初始学习率 0.001
optimizer 优化器 Adam
report_folder_name 报告名 01181918_e50_w80_linear
测试环境与参数（cut_test）
未读取到测试环境信息（run_info）。
训练集曲线（epoch_metrics）
Loss
Precision / Recall / F1
AP(PR-AUC) / AUC(ROC)
Accuracy（若无则为空）
正类预测率 pos_pred_rate
学习率 lr（若无则为空）
建议阅读顺序：先看 pos_pred_rate 判断“乱报切点”程度，再看 PRF 是否平衡，最后结合 AP/AUC 评估整体质量。
训练集最终指标（train / val 汇总）
阈值 0.5
精确率 0.04116222760290557
召回率 0.9444444444444444
F1 0.07888631090487239
准确率 0.5608407079646017
AP(PR-AUC) 0.5080394212443085
AUC(ROC) 0.9662340105342363
TP 17
FP 396
TN 490
FN 1
正类预测率 0.456858407079646
测试集最终指标（cut_test）
该报告未找到测试集 cut_test final_test 指标。
测试集帧轴可视化（每个视频：TP / FP / FN 的帧位置）
TP（预测=切点 且 GT=切点） FP（预测=切点 但 GT=非切点） FN（GT=切点 但 预测=非切点） 提示：鼠标悬停点可看帧号
未找到 per_video 数据，无法生成按视频的帧轴可视化。
测试集数据明细（Excel 其它 Sheets 预览）
该报告未找到 dataset_summary / per_video / classification_report 表。
下载
下载整包 ZIP
模型文件
Excel 文件