YOLOv5训练结果出图的程序如何修改

问题遇到的现象和发生背景

看了YOLOv5视频，能跑出结果，效果非常好！多谢炮哥的视频，非常详细了

但跑完train.py后所得性能参数的曲线图和混淆矩阵等图是从哪部分程序而来呢？
论文上要求尽量中文做图标，必须修改一下才能用

可以修改在源代码的utils中的metric.py文件实现
其中第71行

 if plot:
        plot_pr_curve(px, py, ap, Path(save_dir) / 'PR_curve.png', names)
        plot_mc_curve(px, f1, Path(save_dir) / 'F1_curve.png', names, ylabel='F1分数')
        plot_mc_curve(px, p, Path(save_dir) / 'P_curve.png', names, ylabel='精确度')
        plot_mc_curve(px, r, Path(save_dir) / 'R_curve.png', names, ylabel='召回率')

第186行

```python
def plot_pr_curve(px, py, ap, save_dir='pr_curve.png', names=()):
    # Precision-recall curve
    fig, ax = plt.subplots(1, 1, figsize=(9, 6), tight_layout=True)
    py = np.stack(py, axis=1)

    if 0 < len(names) < 21:  # display per-class legend if < 21 classes
        for i, y in enumerate(py.T):
            ax.plot(px, y, linewidth=1, label=f'{names[i]} {ap[i, 0]:.3f}')  # plot(recall, precision)
    else:
        ax.plot(px, py, linewidth=1, color='grey')  # plot(recall, precision)

    ax.plot(px, py.mean(1), linewidth=3, color='blue', label='all classes %.3f mAP@0.5' % ap[:, 0].mean())
    # ax.set_xlabel('Recall')
    ax.set_xlabel('召回率')
    # ax.set_ylabel('Precision')
    ax.set_ylabel('精确度')
    ax.set_xlim(0, 1)
    ax.set_ylim(0, 1)
    plt.legend(bbox_to_anchor=(1.04, 1), loc="upper left")
    fig.savefig(Path(save_dir), dpi=250)

第208行

```python
def plot_mc_curve(px, py, save_dir='mc_curve.png', names=(), xlabel='置信度', ylabel='方法'):
    # Metric-confidence curve
    fig, ax = plt.subplots(1, 1, figsize=(9, 6), tight_layout=True)