1. Epoch 70/100：表示当前是第70个epoch，总共要训练100个epoch。

2. GPU_mem 0.879G：表示当前训练过程中使用的GPU内存为0.879 GB。

3. box_loss 1.057：表示当前epoch的边界框损失（bounding box loss）为1.057。

4. cls_loss 3.581：表示当前epoch的分类损失（classification loss）为3.581。

5. dfl_loss 1.556：表示当前epoch的分布焦点损失（distribution focal loss）为1.556。

6. Instances 4：表示在当前epoch中处理的实例数量为4。

7. Class a11：表示当前处理的类别为a11。

8. Images 202：表示当前epoch中处理的图像数量为202。

9. Instances 402：表示当前epoch中处理的总实例数量为402。

10. Box(P 0.206)：表示边界框预测的精度（Precision）为0.206。

11. R 0.355：表示边界框预测的召回率（Recall）为0.355。

右侧和下侧进度条和统计信息

1. Size：表示训练集的大小（图像数量）。

   • 进度条显示了训练的进度。
   • 1024: 像素大小
   • 100% 表示当前进度为100%，共处理了1622张图像。

2. mAP50：表示在IoU阈值为0.50时的平均精度（Mean Average Precision）。

   • 进度条显示了mAP50的计算进度。
   • mAP50: 100% 表示mAP50的计算进度为100%。

3. mAP50-95：表示在IoU阈值从0.50到0.95变化时的平均精度（Mean Average Precision）。

   • 进度条显示了mAP50-95的计算进度。
   • mAP50-95: 100% 表示mAP50-95的计算进度为100%。

4. 1622/1622 [02:14<00:00, 12.08it/s]：表示当前epoch已经处理了1622/1622个批次，耗时2分14秒，每秒处理12.08个批次。

5. 101/101 [00:04<00:00, 22.45it/s]：表示当前epoch已经处理了101/101个验证批次，耗时4秒，每秒处理22.45个批次。