TensorFlow 2.3.0目标检测项目如何输出精度及mAP等评估指标？

首先，你已经在配置文件里正确配置了coco_detection_metrics，这个指标集本身就包含了mAP（不同IoU阈值）、precision、recall等核心检测指标，不需要修改model_lib_v2.py的代码——问题大概率出在指标的查看方式或者训练命令的执行细节上，下面一步步帮你解决：

一、先确认训练命令的关键参数 #

你当前的训练命令已经包含了评估训练集的参数，但要注意两个细节：

• --num_eval_steps={num_eval_steps}：这个值不能设得太小。比如你的训练集有1000张图，sample_1_of_n_eval_on_train_examples=10意味着每次评估会抽取100张图，若你batch_size是16，num_eval_steps至少要设为7左右，否则评估没跑完就终止，不会生成完整的指标。
• 确保eval_input_reader指向的test.record是有效的，包含完整的标注数据。

二、正确在TensorBoard中查看指标 #

你提到只能看到loss，是因为TensorBoard默认显示训练的基础scalar指标，而COCO检测指标需要主动筛选：

1. 在Colab中启动TensorBoard，指向你的模型保存目录：

%load_ext tensorboard
%tensorboard --logdir={model_dir}

2. 在TensorBoard界面中操作：
   • 切换到SCALARS标签页
   • 在左侧搜索框输入coco，就能看到所有COCO相关指标，比如：
     • coco_detection_metrics/mAP：整体平均精度
     • coco_detection_metrics/mAP@0.5：IoU=0.5阈值下的mAP
     • coco_detection_metrics/precision：精度指标
   • 若要查看训练集的评估结果，找带有_train后缀的指标（因为你开启了--eval_training_data=True）

三、如果还是看不到指标，排查以下几点 #

1. 检查训练日志：
   训练过程中，控制台会打印评估结果，你可以在Colab的输出日志里搜索Eval metrics at step，后面会跟着所有计算好的指标（包括COCO的mAP、precision等）。如果日志里有这些值，说明指标已经生成，只是TensorBoard没加载完成，刷新页面或等待几分钟即可。
2. 放弃TF1.x的eval.py：
   TF2.x的目标检测API已经把训练和评估整合到model_main_tf2.py中，单独使用TF1的脚本必然会报错，你当前用TF2脚本的方向是完全正确的。
3. 确认配置文件的eval_config：
   你的eval_config配置是正确的，metrics_set: "coco_detection_metrics"已经涵盖了你需要的所有精度相关指标，无需修改。

四、如果需要额外添加自定义Accuracy指标（可选） #

如果你想要单独的分类accuracy指标（比如每个类别的检测准确率），可以在model_lib_v2.py的评估逻辑里补充，但其实COCO指标已经覆盖了这类需求。若确实需要，可参考以下方式修改你提到的845-858行代码：

# 在eval_metrics.update(evaluator.evaluate())之后添加
from object_detection.utils import metrics
# 需根据模型输出的预测类别、真实类别数据调整
accuracy = metrics.accuracy(predictions, groundtruth_classes)
eval_metrics['classification_accuracy'] = accuracy.result()

最后提醒：训练过程中评估会定期执行（默认每1000步一次，可在train_config中添加evaluation_interval_steps调整频率），耐心等待几个评估周期，就能在日志和TensorBoard里看到完整的指标了。

内容的提问来源于stack exchange，提问作者TechEnth