训练报告: 01191652_e100_w35_v13

训练环境与参数（train）
变量名 含义 值
time_start 开始时间 2026-01-19 16:36:28
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:0
epochs 训练轮数 100
train_seconds 训练时长 16分钟16秒
threshold_default 默认阈值 0.7
pos_weight_used pos_weight 35
lr_init 初始学习率 1e-3
optimizer 优化器 Adam
report_folder_name 报告名 01191652_e100_w35_v13
测试环境与参数（cut_test）
变量名 含义 值
time 记录时间 2026-01-19 16:52:55
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:0
threshold_default 默认阈值 0.5
batch_size batch_size 64
report_folder_name 报告名 01191652_e100_w35_v13
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 0.7
精确率 0.7647058823529411
召回率 0.8478260869565217
F1 0.8041237113402062
准确率 0.989713048186248
AP(PR-AUC) 0.856433141359307
AUC(ROC) 0.9721078869227241
TP 78
FP 24
TN 3578
FN 14
正类预测率 0.0276123443421765
测试集最终指标（cut_test）
阈值 0.5
精确率 0.5714285714285714
召回率 1
F1 0.7272727272727273
准确率 0.9829545454545454
AP(PR-AUC) 0.916688826639312
AUC(ROC) 0.9976162790697675
TP 20
FP 15
TN 845
FN 0
正类预测率 0.03977272727272727
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 2 FN 0
GT cuts: 6 Pred cuts: 8
轴左侧≈frame 0 轴右侧≈frame 289
V003.mp4
total_frames: 252  |  TP 4 FP 3 FN 0
GT cuts: 4 Pred cuts: 7
轴左侧≈frame 0 轴右侧≈frame 251
V004.mp4
total_frames: 77  |  TP 3 FP 0 FN 0
GT cuts: 3 Pred cuts: 3
轴左侧≈frame 0 轴右侧≈frame 76
V005.mp4
total_frames: 100  |  TP 6 FP 10 FN 0
GT cuts: 6 Pred cuts: 16
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 8 6 2 0 28,68,100,163,200,249 28,48,52,68,100,163,200,249
V003.mp4 2 252 4 7 4 3 0 36,152,181,205 36,76,77,78,152,181,205
V004.mp4 3 77 3 3 3 0 0 4,34,68 4,34,68
V005.mp4 4 100 6 16 6 10 0 5,12,27,46,80,88 5,12,27,32,38,46,49,57,58,59,60,80,88,91,97,98
classification_report（显示前 5 行 / 共 5 行）
text
precision recall f1-score support
Non-cut 1.0000 0.9826 0.9912 860
Cut 0.5714 1.0000 0.7273 20
accuracy 0.9830 880
下载
下载整包 ZIP
模型文件
Excel 文件