yolov5如何用测试集对模型进行性能评估

yolov5如何用测试集对模型进行性能评估，并计算模型在测试集上的精确率，召回率和精确率均值（mAP）来评价模型的性能，这个不会计算呀，相关代码也不知道怎么整，有会的吗？

• 你可以看下这个问题的回答https://ask.csdn.net/questions/7651116
• 除此之外, 这篇博客: yolov5使用自己的数据集训练中的 3.4.1 计算mAP 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  

• 主要使用根目录下的test.py文件，有两种方法，建议使用方法二，因为test.py文件在训练过程中也会使用到，第一种方法修改了默认的参数，可能会导致以后再次训练时出错。
  方法一：修改test.py文件中的相关参数，主要是修改–weights模型地址、–data数据集配置文件地址，–task当前进行的任务，这三个参数，其他的都可以看情况自行修改。
  
  各种可修改参数的解释：

  --weights ：模型路径，
  --data：数据集的配置文件
  --batch-size：默认值32
  --img-size：图片大小，默认640
  --conf-thres：目标置信度阈值
  --iou-thres：NMS的IOU阈值
  --save-json：把结果保存为cocoapi-compatible的json文件
  --task：当前进行的任务，改为test，可选其他值：val, test, study
  --device：cuda设备，例如：0或0,1,2,3或cpu，默认’’
  --half：半精度的FP16推理
  --single-cls：将其视为单类别，布尔值
  --augment：增强推理，布尔值
  --verbose：显示类别的mAP，布尔值
  

  修改完之后，直接运行test.py就能够得到测试的结果了，输出内容：
  
  并且在runs\test\exp目录下有更多测试的细节信息：

  
  使用该方法进行测试后，在下一次训练之前一定要将–task参数的默认值改回val
  方法二：使用命令给定各个参数值进行测试，不修改test.py文件中的参数。
  在yolov5-master目录中打开命令提示符，再激活torch环境，然后输入下列命令：

  python test.py --weights ./runs/train/exp/weights/best.pt --data ./data/myvoc.yaml --batch 32 --img 640 --task test --device 0 
  

  其他可修改的参数和运行结果同上。