yolov5相关问题，我训练完成后怎么看每一类的精度呢？
请问一下，最后结果出来不是一张表然后有每个epoch的准确率、召回率那些嘛，但是看论文都是一个准确的百分比是怎么取的呢？
该回答通过自己思路及引用到GPTᴼᴾᴱᴺᴬᴵ搜索,得到内容具体如下：
在训练Yolov5模型时，可以使用Tensorboard来监视每个epoch的训练和验证指标，包括每个类别的准确率和召回率。在训练过程中，可以使用以下命令在终端中启动Tensorboard：
tensorboard --logdir=path/to/runs
其中，path/to/runs是训练输出目录，例如runs/train/exp1。启动Tensorboard后，可以在Web浏览器中打开http://localhost:6006来查看指标图表。
在训练完成后，可以使用Yolov5提供的test.py脚本来计算测试集的准确率和召回率。该脚本会输出每个类别的精度和召回率，以及平均精度（mAP）指标。以下是使用test.py脚本计算测试集指标的示例命令：
python test.py --weights path/to/trained/weights.pt --data path/to/data.yaml --img 640 --iou 0.65
其中，path/to/trained/weights.pt是训练好的权重文件，path/to/data.yaml是数据集的配置文件，--img参数指定输入图像的大小，--iou参数指定IOU阈值。运行test.py脚本后，将输出每个类别的精度和召回率，以及平均精度（mAP）指标。
在论文中，通常会报告模型在测试集上的平均精度（mAP）指标，这是所有类别精度和召回率的加权平均值。例如，如果有10个类别，则每个类别的权重为1/10，mAP指标是每个类别mAP的加权平均值。在Yolov5中，可以使用test.py脚本来计算mAP指标。
如果以上回答对您有所帮助，点击一下采纳该答案～谢谢
不知道你这个问题是否已经解决, 如果还没有解决的话:lr_scheduler = torch.optim.lr_scheduler.MultiStepLR(optimizer, milestones=[num_epochs//3], gamma=0.1)
warmup_scheduler = warmup.UntunedLinearWarmup(optimizer)
for epoch in range(1,num_epochs+1):
for iter, batch in enumerate(dataloader):
optimizer.zero_grad()
loss = ...
loss.backward()
optimizer.step()
if iter < len(dataloader)-1:
with warmup_scheduler.dampening():
pass
with warmup_scheduler.dampening():
lr_scheduler.step()