图像异常检测按照训练结果运行模型进行评估时，训练模型评估的差异过大，得出结果大部分是255

[SolMing]

描述问题

原始的图片异常检测结果和使用训练后的模型运行结果，明显差距过大。

使用训练后模型的输出结果：
uad_grid.json

复现

按照此文档的情况下训练模型：
https://paddlepaddle.github.io/PaddleX/latest/module_usage/tutorials/cv_modules/anomaly_detection.html#_4

3. 您使用的模型和数据集是？
   使用提供下载的数据集进行训练，没有变更数据内容。
   模型：STFPM

训练运行命令：
python main.py -c paddlex/configs/anomaly_detection/STFPM.yaml -o Global.mode=train -o Global.device=gpu:0 -o Global.dataset_dir=./dataset/mvtec_examples/

4. 请提供您出现的报错信息及相关log
   以下是训练输出的日志
   train.log
   train_result.json
   5、此次训练的结果：
   inference.zip

环境

请提供您使用的PaddlePaddle、PaddleX版本号、Python版本号
python 3.9
paddlepaddle-gpu==3.0.0b2
paddlex==3.0.0b2

请提供您使用的操作系统信息，如Linux/Windows/MacOS
unbuntu22.04

请问您使用的CUDA/cuDNN的版本号是？

[Sunting78]

您好，提供的是demo数据，抽取了少部分图像，目的是走通这个功能流程，如果需要训练可以用mvtec全量数据训练。