如何查看Detectron 2: Faster RCNN对象检测模型的输入？我需要调试我的模型，以查看X（图像）和Y（边界框坐标，类，标签等）。我正在使用一些自定义增强功能，在这个github评论中它说
您可以使用for data in data_loader循环访问数据加载器并可视化它们
但我该怎么做呢？我可以很容易地通过我的自定义增强运行一个循环，但我想知道的是我如何在进入模型的第一层之前看到输入？
我正在使用mapper的自定义增强，如：

def custom_mapper(dataset_dict, transform_list = None):
    
    if transform_list is None:
      transform_list = [T.RandomBrightness(0.8, 1.2),
                      T.RandomContrast(0.8, 1.2),
                      T.RandomSaturation(0.8, 1.2),
                      ]
                      
    dataset_dict = copy.deepcopy(dataset_dict)
    image = utils.read_image(dataset_dict["file_name"], format="BGR")
                      
    image, transforms = T.apply_transform_gens(transform_list, image)
    tensor_image = torch.as_tensor(image.transpose(2, 0, 1).astype("float32"))
    dataset_dict["image"] =  tensor_image

    annos = [
        utils.transform_instance_annotations(obj, transforms, image.shape[:2])
        for obj in dataset_dict.pop("annotations")
        if obj.get("iscrowd", 0) == 0
    ]
    instances = utils.annotations_to_instances(annos, image.shape[:2])
    dataset_dict["instances"] = utils.filter_empty_instances(instances)

    # visualizer = Visualizer(dataset_dict["image"].numpy().transpose(1,2,0).astype(np.uint8)[:, :, ::-1], scale=0.5)
    # out = visualizer.draw_dataset_dict(dataset_dict)
    # cv2.imwrite(str(np.random.rand())+".jpg", out.get_image()[:, :, ::-1], )

    return dataset_dict

class AugTrainer(DefaultTrainer): # Trainer with augmentations
    @classmethod
    def build_train_loader(cls, cfg):
        return build_detection_train_loader(cfg, mapper=custom_mapper)

我尝试使用这3条注解掉的行（就在return dataset_dict之前）来保存图像，这样我就可以看到图像的样子，但是我怎么知道它们是否形成了正确的BB，Class，更重要的是，这些是模型内部的确切图像，并且没有其他东西改变我的输入？