训练报告: 01181955_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 19:50:54
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38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 01181955_e50_w80_linear
测试环境与参数（cut_test）
变量名 含义 值
time 记录时间 2026-01-18 19:55:58
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
device_used 使用设备 cpu
threshold_default 默认阈值 0.5
batch_size batch_size 64
report_folder_name 报告名 01181955_e50_w80_linear
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 0.04166666666666666
召回率 0.9444444444444444
F1 0.07981220657276995
准确率 0.5663716814159292
AP(PR-AUC) 0.5031256092977796
AUC(ROC) 0.9668610484073238
TP 17
FP 391
TN 495
FN 1
正类预测率 0.4513274336283186
测试集最终指标（cut_test）
阈值 0.5
精确率 0.1958762886597938
召回率 0.95
F1 0.3247863247863247
准确率 0.9416974169741698
AP(PR-AUC) 0.8200174158251808
AUC(ROC) 0.9912734082397003
TP 19
FP 78
TN 1257
FN 1
正类预测率 0.07158671586715867
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: 43  |  TP 1 FP 33 FN 0
GT cuts: 1 Pred cuts: 34
轴左侧≈frame 0 轴右侧≈frame 42
V002.mp4
total_frames: 161  |  TP 1 FP 22 FN 1
GT cuts: 2 Pred cuts: 23
轴左侧≈frame 0 轴右侧≈frame 160
V003.mp4
total_frames: 122  |  TP 5 FP 5 FN 0
GT cuts: 5 Pred cuts: 10
轴左侧≈frame 0 轴右侧≈frame 121
V004.mp4
total_frames: 700  |  TP 6 FP 1 FN 0
GT cuts: 6 Pred cuts: 7
轴左侧≈frame 0 轴右侧≈frame 699
V005.mp4
total_frames: 334  |  TP 6 FP 17 FN 0
GT cuts: 6 Pred cuts: 23
轴左侧≈frame 0 轴右侧≈frame 333
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 1355
num_cuts 20
num_non_cuts 1335
pos_ratio 0.01476014760147601
per_video_frame_stats
min_frames 43
max_frames 700
mean_frames 272
median_frames 161
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 43 1 34 1 33 0 26 1,2,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,37,38,39,40
V002.mp4 1 161 2 23 1 22 1 86,131 23,24,25,84,85,86,96,128,129,130,139,140,149,150,151,152,153,154,155,156,157,158,159
V003.mp4 2 122 5 10 5 5 0 18,35,56,72,105 18,35,56,72,80,84,86,92,95,105
V004.mp4 3 700 6 7 6 1 0 46,419,457,504,600,643 46,419,457,504,540,600,643
V005.mp4 4 334 6 23 6 17 0 20,69,134,169,238,263 10,11,12,13,14,15,16,17,18,19,20,62,63,69,128,129,130,131,132,134,169,238,263
classification_report（显示前 5 行 / 共 5 行）
text
precision recall f1-score support
Non-cut 0.9992 0.9416 0.9695 1335
Cut 0.1959 0.9500 0.3248 20
accuracy 0.9417 1355
下载
下载整包 ZIP
模型文件
Excel 文件