深度学习可视化工具的使用

Question

1、在做基于swin transformer的滑坡检测过程中应该如何利用可视化工具观察精度损失变化情况呢？例如wandb怎么去实现这个过程的可视化呢？
2、因为模型默认是多类别检测，那么如果我仅检测滑坡体那么相应的损失函数是不是应该修改呢？具体应该怎么修改呢？

Answer 1

在每个epoch结束时，记录训练集和验证集的损失（loss）、准确率（accuracy）、召回率（recall）等指标，并将这些指标上传到wandb平台。
利用wandb提供的图表功能，制作损失曲线、学习率曲线等图表，以观察模型在训练过程中的性能变化。
使用wandb提供的实时预测功能，将模型对验证集或测试集的预测结果以可视化的方式呈现出来，以便手动检查模型的预测效果。

如果只需要检测滑坡体而不是多类别，则可以修改损失函数。常见的损失函数有交叉熵（Cross Entropy）、Focal Loss、Dice Loss等，交叉熵可以适用于多类别分类，而Focal Loss和Dice Loss通常用于二分类问题。如果只需要检测一个类别，则可以将损失函数修改为Binary Cross Entropy Loss，即二元交叉熵损失。在代码中可以通过设置权重来控制正负样本损失的平衡，以避免类别不平衡的问题。例如，可以将正样本的权重设置为较小的值，将负样本的权重设置为较大的值。