在那个配置文件配置以下代码 evaluation = dict( interval=1, metric='mAP', save_best='mAP', max_score=1.0, ap={ 'iou_thr': 0.5 }, use_sigmoid=False, classwise=True, jsonfile_prefix=None, )

可以在 mmdetection 的配置文件中添加 `evaluation` 参数来配置评估模型的相关设置，包括计算 mAP 的阈值、是否按类别计算 mAP、是否输出每个类别的 AP 等。以下是一个完整的例子：

# 配置文件中添加以下代码
evaluation = dict(
    interval=1,  # 每隔几个 epoch 进行一次评估
    metric='mAP',  # 评估指标为 mAP
    save_best='mAP',  # 根据 mAP 保存最好的模型
    max_score=1.0,  # 评估指标的最大值
    ap=dict(
        use_07_metric=True,  # 是否使用 VOC2007 的计算方式
        iou_thr=0.5,  # 计算 mAP 的阈值
        # ap 计算时的其他参数，例如：
        # classwise=True,  # 是否按类别计算 AP 和 mAP
        # keep_res=False,  # 是否保留 resize 后的预测结果
        # metric_items=['mAP', 'mAP_50', 'mAP_75'],  # 需要计算的指标
    ),
)

将上述代码添加到配置文件中即可。其中，`interval` 参数指定了每隔几个 epoch 进行一次评估，`metric` 参数指定了评估指标，这里设置为 `mAP`，`save_best` 参数指定了根据哪个指标保存最好的模型，`max_score` 参数指定了评估指标的最大值。

`ap` 参数指定了计算 AP 和 mAP 的相关设置。`use_07_metric` 参数指定了是否使用 VOC2007 的计算方式，`iou_thr` 参数指定了计算 mAP 的阈值。在 `ap` 参数中，还可以设置其他参数，例如 `classwise`，表示是否按类别计算 AP 和 mAP，`keep_res`，表示是否保留 resize 后的预测结果，`metric_items`，表示需要计算的指标等。

需要注意的是，不同的模型可能有不同的默认值，具体的参数设置可以查看对应的模型配置文件。