训练报告: 01200101_e100_w40_linear2

训练环境与参数（train）
变量名 含义 值
time_start 开始时间 2026-01-20 00:30:30
platform 平台 Linux-5.15.0-78-generic-x86_64-with-glibc2.17
processor CPU架构 x86_64
python_version Python版本 3.8.10
torch_version Torch版本 2.0.0+cu118
cuda_available CUDA可用 True
cuda_device_count GPU数量 1
cuda_device_name_0 GPU0名称 NVIDIA GeForce RTX 4090
device_used 使用设备 cuda
epochs 训练轮数 100
train_seconds 训练时长 30分钟57秒
threshold_default 默认阈值 0.95
pos_weight_used pos_weight 40.0
lr_init 初始学习率 1e-05
optimizer 优化器 Adam
report_folder_name 报告名 01200101_e100_w40_linear2
测试环境与参数（cut_test）
变量名 含义 值
time 记录时间 2026-01-20 01:01:33
platform 平台 Linux-5.15.0-78-generic-x86_64-with-glibc2.17
processor CPU架构 x86_64
python_version Python版本 3.8.10
torch_version Torch版本 2.0.0+cu118
cuda_available CUDA可用 True
device_used 使用设备 cuda
threshold_default 默认阈值 0.95
batch_size batch_size 1024
report_folder_name 报告名 01200101_e100_w40_linear2
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 0.95
精确率 0.9
召回率 0.782608695652174
F1 0.8372093023255814
准确率 0.992152466367713
AP(PR-AUC) 0.8949168239516874
AUC(ROC) 0.9858908290388753
TP 18
FP 2
TN 867
FN 5
正类预测率 0.02242152466367713
测试集最终指标（cut_test）
阈值 0.95
精确率 0.875
召回率 0.7
F1 0.7777777777777777
准确率 0.990909090909091
AP(PR-AUC) 0.9315566385472704
AUC(ROC) 0.9980813953488372
TP 14
FP 2
TN 858
FN 6
正类预测率 0.01818181818181818
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
V001.mp4
total_frames: 166  |  TP 1 FP 0 FN 0
GT cuts: 1 Pred cuts: 1
轴左侧≈frame 0 轴右侧≈frame 165
V002.mp4
total_frames: 290  |  TP 6 FP 0 FN 0
GT cuts: 6 Pred cuts: 6
轴左侧≈frame 0 轴右侧≈frame 289
V003.mp4
total_frames: 252  |  TP 4 FP 1 FN 0
GT cuts: 4 Pred cuts: 5
轴左侧≈frame 0 轴右侧≈frame 251
V004.mp4
total_frames: 77  |  TP 1 FP 0 FN 2
GT cuts: 3 Pred cuts: 1
轴左侧≈frame 0 轴右侧≈frame 76
V005.mp4
total_frames: 100  |  TP 2 FP 1 FN 4
GT cuts: 6 Pred cuts: 3
轴左侧≈frame 0 轴右侧≈frame 99
测试集数据明细（Excel 其它 Sheets 预览）
dataset_summary（显示前 11 行 / 共 11 行）
item value
num_videos 5
num_pairs 880
num_cuts 20
num_non_cuts 860
pos_ratio 0.02272727272727273
per_video_frame_stats
min_frames 77
max_frames 290
mean_frames 177
median_frames 166
per_video（显示前 5 行 / 共 5 行）
vid vid_idx total_frames gt_cut_count pred_cut_count tp fp fn gt_cuts pred_cuts
V001.mp4 0 166 1 1 1 0 0 44 44
V002.mp4 1 290 6 6 6 0 0 28,68,100,163,200,249 28,68,100,163,200,249
V003.mp4 2 252 4 5 4 1 0 36,152,181,205 36,78,152,181,205
V004.mp4 3 77 3 1 1 0 2 4,34,68 68
V005.mp4 4 100 6 3 2 1 4 5,12,27,46,80,88 5,12,60
classification_report（显示前 5 行 / 共 5 行）
text
precision recall f1-score support
Non-cut 0.9931 0.9977 0.9954 860
Cut 0.8750 0.7000 0.7778 20
accuracy 0.9909 880
下载
下载整包 ZIP
模型文件
Excel 文件