关于YOLO训练时的回调函数-2

我们所爱之物昭示着我们究竟是谁。

最近再次写到了 yolo 训练回调函数的部分， 实践了on_train_batch_end的用法，一样的，我们需要把方法写好后，把回调函数注册到训练中

#初始化我们所需要的计数
_batch_count = 0
 _batch_in_epoch = 0

'''
我们的逻辑是：获取一共多少个 epoch 每个 epoch 中有多少个 batch。
得到总数  （total_batches = trainer.epochs * nb）
随后只需要通过计算 已经训练过多少个 batch （ current_batch = trainer.epoch * nb + self._batch_in_epoch）
再除以总数 就可以得到以batch为单位的训练进度
'''
def on_train_batch_end(trainer):
        nb = len(trainer.train_loader)
        total_batches = trainer.epochs * nb
        current_batch = trainer.epoch * nb + self._batch_in_epoch
        progress = min((current_batch / total_batches) * 100, 100) if total_batches > 0 else 0

model.add_callback("on_train_batch_end", on_train_batch_end)

并非使用 epoch 不好，而是在长时间的训练中，一个 epoch 的时间可能长达十几分钟，这是让人难以忍受的：我的训练难道挂掉了吗？！！！

我知道我现在的用法非常的初级和低效，但是我希望在未来的学习中，可以逐步把：训练控制、指标监控、动态数据集这些功能一一实现。