Epoch gpu_mem box obj cls total labels img_size
Epoch：训练过程中的迭代次数（即完成了多少个epoch）。gpu_mem：GPU内存使用情况，通常是以MB或GB为单位的数字。box：模型预测出的bounding box的平均损失值。obj：模型预测出的objectness的平均损失值。cls：模型预测出的分类的平均损失值。total：所有损失值的总和，即box+obj+cls。labels：每个batch中标注的物体数量的平均值。img_size：输入模型的图像的大小，通常是以像素为单位的宽度和高度。这些参数的意义可以帮助训练者监控模型的训练过程，以便在必要时进行调整和优化。
Class Images Labels P R mAP@.5 mAP@.5:.95
Class：检测的目标类别。Images：测试集中包含该类别的图像数量。Labels：测试集中该类别物体的真实标注数量。P：该类别的预测精确度（precision），即正确预测的物体数量占所有预测的物体数量的比例。R：该类别的召回率（recall），即正确预测的物体数量占所有真实物体数量的比例。mAP@.5：平均精度均值（mean average precision）的值，即在IoU阈值为0.5时的平均精度。mAP@.5:.95：在IoU阈值从0.5到0.95的范围内，所有阈值的平均精度的均值。这些指标的意义是，P和R可以帮助评估模型的分类和检测能力，mAP则综合了模型在不同IoU阈值下的表现，是评估模型性能的主要指标之一。