# 测试 此文档介绍在数据集上测试预训练模型的方法。 ## 使用单 GPU 进行测试 您可以使用 `tools/test.py` 执行单 CPU/GPU 推理。例如，要在 IC15 上评估 DBNet: ( 可以从 [Model Zoo]( ../../README_zh-CN.md#模型库) 下载预训练模型 )： ```shell ./tools/dist_test.sh configs/textdet/dbnet/dbnet_r18_fpnc_1200e_icdar2015.py dbnet_r18_fpnc_sbn_1200e_icdar2015_20210329-ba3ab597.pth --eval hmean-iou ``` 下面是脚本的完整用法: ```shell python tools/test.py ${CONFIG_FILE} ${CHECKPOINT_FILE} [ARGS] ``` :::{note} 默认情况下，MMOCR 更偏向于使用 GPU 而非 CPU。如果您想在 CPU 上测试模型，请清空 `CUDA_VISIBLE_DEVICES` 或者将其设置为 -1 以使 GPU(s) 对程序不可见。需要注意的是，运行 CPU 测试需要 **MMCV >= 1.4.4**。 ```bash CUDA_VISIBLE_DEVICES= python tools/test.py ${CONFIG_FILE} ${CHECKPOINT_FILE} [ARGS] ``` ::: | 参数 | 类型 | 描述 | | ------------------ | --------------------------------- | -------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | | `--out` | str | 以 pickle 格式输出结果文件。 | | `--fuse-conv-bn` | bool | 所选 det 模型的自定义配置的路径。 | | `--format-only` | bool | 格式化输出结果文件而不执行评估。 当您想将结果格式化为特定格式并将它们提交到测试服务器时，它很有用。 | | `--gpu-id` | int | 要使用的 GPU ID。仅适用于非分布式训练。 | | `--eval` | 'hmean-ic13', 'hmean-iou', 'acc' | 不同的任务使用不同的评估指标。对于文本检测任务，指标是 'hmean-ic13' 或者 'hmean-iou'。对于文本识别任务，指标是 'acc'。 | | `--show` | bool | 是否显示结果。 | | `--show-dir` | str | 将用于保存输出图像的目录。 | | `--show-score-thr` | float | 分数阈值 (默认值: 0.3)。 | | `--gpu-collect` | bool | 是否使用 gpu 收集结果。 | | `--tmpdir` | str | 用于从多个 workers 收集结果的 tmp 目录，在未指定 gpu-collect 时可用。 | | `--cfg-options` | str | 覆盖使用的配置中的一些设置，xxx=yyy 格式的键值对将被合并到配置文件中。如果要覆盖的值是一个列表，它应当是 key ="[a,b]" 或者 key=a,b 的形式。该参数还允许嵌套列表/元组值，例如 key="[(a,b),(c,d)]"。请注意，引号是必需的，并且不允许使用空格。 | | `--eval-options` | str | 用于评估的自定义选项，xxx=yyy 格式的键值对将是 dataset.evaluate() 函数的 kwargs。 | | `--launcher` | 'none', 'pytorch', 'slurm', 'mpi' | 工作启动器的选项。 | ## 使用多 GPU 进行测试 MMOCR 使用 `MMDistributedDataParallel` 实现 **分布式**测试。 您可以使用以下命令测试具有多个 GPU 的数据集。 ```shell [PORT={PORT}] ./tools/dist_test.sh ${CONFIG_FILE} ${CHECKPOINT_FILE} ${GPU_NUM} [PY_ARGS] ``` | 参数 | 类型 | 描述 | | --------- | ---- | -------------------------------------------------------------------------------- | | `PORT` | int | rank 为 0 的机器将使用的主端口。默认为 29500。 | | `PY_ARGS` | str | 由 `tools/test.py` 解析的参数。 | 例如， ```shell ./tools/dist_test.sh configs/example_config.py work_dirs/example_exp/example_model_20200202.pth 1 --eval hmean-iou ``` ## 使用 Slurm 进行测试 如果您在使用 [Slurm](https://slurm.schedmd.com/) 管理的集群上运行 MMOCR， 则可以使用脚本 `tools/slurm_test.sh`。 ```shell [GPUS=${GPUS}] [GPUS_PER_NODE=${GPUS_PER_NODE}] [SRUN_ARGS=${SRUN_ARGS}] ./tools/slurm_test.sh ${PARTITION} ${JOB_NAME} ${CONFIG_FILE} ${CHECKPOINT_FILE} [PY_ARGS] ``` | 参数 | 类型 | 描述 | | --------------- | ---- | ----------------------------------------------------------------------------------------------------------- | | `GPUS` | int | 此任务要使用的 GPU 数量。默认为 8。 | | `GPUS_PER_NODE` | int | 每个节点要分配的 GPU 数量。默认为 8。 | | `SRUN_ARGS` | str | srun 解析的参数。可以在[此处](https://slurm.schedmd.com/srun.html)找到可用选项。| | `PY_ARGS` | str | 由 `tools/test.py` 解析的参数。 | 下面是一个在 "dev" 分区上运行任务的示例。该任务名为 "test_job"，其调用了 8 个 GPU 对示例模型进行评估 。 ```shell GPUS=8 ./tools/slurm_test.sh dev test_job configs/example_config.py work_dirs/example_exp/example_model_20200202.pth --eval hmean-iou ``` ## 批量测试 默认情况下，MMOCR 仅对逐张图像进行测试。为了令推理更快，您可以在配置中更改 `data.val_dataloader.samples_per_gpu` 和 `data.test_dataloader.samples_per_gpu` 字段。 例如， ``` data = dict( ... val_dataloader=dict(samples_per_gpu=16), test_dataloader=dict(samples_per_gpu=16), ... ) ``` 将使用 16 张图像作为一个批大小测试模型。 :::{warning} 批量测试时数据预处理管道的行为会有所变化，因而可能导致模型的性能下降。 :::