> For the complete documentation index, see [llms.txt](https://docs.roboflow.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.roboflow.com/models/hi/evaluate/training-results.md).
# प्रशिक्षण परिणाम देखें
## के बारे में
Roboflow प्लेटफ़ॉर्म पर आप जिस भी मॉडल को प्रशिक्षित करते हैं, उसके लिए Roboflow प्रशिक्षण ग्राफ़ और सारांश मेट्रिक्स तैयार करता है, जिससे आप जॉब के चलते उसकी निगरानी कर सकते हैं और उसके पूरा होने के बाद प्राप्त मॉडल का मूल्यांकन कर सकते हैं। दिखाए गए मेट्रिक्स आपके प्रोजेक्ट के प्रकार पर निर्भर करते हैं - object detection के लिए precision, recall, और mAP; classification के लिए accuracy; segmentation और keypoint मॉडलों के लिए mAP; और multimodal मॉडलों के लिए perplexity। आप किसी एप्लिकेशन में जोड़ने से पहले किसी तैयार मॉडल को sample या custom images पर भी test कर सकते हैं।
Training graphs आपको प्रशिक्षण के दौरान आपके model की स्थिति दिखाते हैं। Training graphs Roboflow पर प्रशिक्षित सभी models के लिए उपलब्ध हैं।
आपको अपने model के प्रदर्शन का सारांश देने वाले metrics भी दिखाई देंगे।
आपको दिखाई देने वाले metrics आपके model के प्रकार पर निर्भर करेंगे:
* Object detection projects मॉडल की precision, recall, और mAP दिखाते हैं।
* Classification projects accuracy दिखाते हैं।
* Segmentation और keypoint models mAP score दिखाते हैं।
* Multimodal models perplexity दिखाते हैं।
## प्रशिक्षण के दौरान
मॉडल का प्रशिक्षण शुरू करने के बाद, जिस dataset version से वह model जुड़ा है, उसके पेज पर एक संदेश दिखाई देगा। यह संदेश पहले बताएगा कि एक training machine शुरू हो रही है।
यदि किसी version में [एक से अधिक training चलाना](/models/hi/train/train-a-model.md#train-multiple-models-on-a-version)है, तो version page पर किसी training को select करें ताकि उसके graphs और metrics देख सकें।
फिर जैसे-जैसे आपका model प्रशिक्षित होगा, आप live training graphs देखेंगे:
मॉडल के प्रशिक्षित होने के दौरान training graphs.
### NAS प्रशिक्षण चार्ट
Object detection या instance segmentation projects पर Neural Architecture Search (NAS) के साथ प्रशिक्षित मॉडलों के लिए, standard training graphs के बजाय एक विशेष paired chart view प्रदर्शित होती है:
* **प्रशिक्षण प्रगति बैंड**: एक gradient-filled band जो प्रशिक्षण epochs के दौरान model performance (upper and lower bounds) की range दिखाता है। किसी भी epoch पर hover करके उस बिंदु के metrics देखें। एक pulsing indicator live training के दौरान current training front दिखाता है.
* **Epoch Snapshot**: एक Pareto curve जो प्रत्येक epoch पर evaluated architectures के लिए model latency और accuracy के बीच trade-off दिखाती है। gradient spectrum तेज़ (हल्के) से लेकर अधिक accurate (गहरे) मॉडलों तक फैला होता है।
Standard और Plus NAS runs के विपरीत, Fast NAS runs में प्रशिक्षण के दौरान metrics की spread रिपोर्ट करने के लिए कोई baseline configurations नहीं होतीं, इसलिए वे केवल प्रशिक्षित हो रहे एकल supernet के लिए metrics रिपोर्ट करते हैं। ये runs paired band और snapshot view के बजाय standard training graph दिखाते हैं।
## प्रशिक्षण के बाद
जब आपका model प्रशिक्षण पूरा कर लेता है, तो आप training process के metrics देख सकते हैं।
प्रशिक्षण के बाद किसी model के training graphs खोजने के लिए, सबसे पहले sidebar में Models tab पर क्लिक करें:
फिर, उस [training (या model)](/models/hi/versions-trainings-and-models.md) जिसके training graphs आप देखना चाहते हैं।
पेज पर नीचे स्क्रॉल करें जब तक कि आपको Training Graphs सेक्शन न दिख जाए:
## अपने मॉडल का परीक्षण करें
आप Test page पर किसी image पर अपने model का परीक्षण कर सकते हैं। Workflows में अपना application logic बनाने से पहले यह तेज़ जाँचें चलाने का एक अच्छा तरीका है, ताकि देखा जा सके कि आपका model कैसा प्रदर्शन करता है।
Test फीचर object detection, segmentation, classification, और keypoint models के लिए काम करता है। Multimodal projects के लिए Test समर्थित नहीं है।
किसी model का परीक्षण करने के लिए, दाईं sidebar में "Test" पर क्लिक करें। फिर Test page खुल जाएगी:
Test page आपके test set की कई images दिखाएगी, जिनमें से आप अपने model पर चलाने के लिए चुन सकते हैं। आप अपनी images और videos भी upload कर सकते हैं, या अपने webcam के साथ आज़मा सकते हैं।
अपने model के लिए deployment निर्देश खोजने के लिए, Try on My Machine पर क्लिक करें। आप Roboflow Workflows पर भी अपना model deploy कर सकते हैं।
## HTTP API
### प्रशिक्षण परिणाम प्राप्त करें
किसी dataset version के लिए training results प्राप्त करें। NAS (Neural Architecture Search) training runs के लिए, यह एक bundled view लौटाता है जिसमें सभी child models, उनके metrics, hardware-specific recommendations, और mining frontier data शामिल होते हैं। Standard fine-tune runs के लिए, यह एक minimal summary लौटाता है।
यह endpoint multiple reads को एक single call में समेकित करता है, इसलिए आपको model data अलग से fetch करने की आवश्यकता नहीं होती।
#### एंडपॉइंट
```
GET /:workspace/:project/:version/training/results
```
**प्रमाणीकरण:** इसके लिए एक API key की आवश्यकता होती है जिसमें `version.read` स्कोप हो।
#### अनुरोध
```bash
curl "https://api.roboflow.com/{workspace}/{project}/{version}/training/results?api_key=$ROBOFLOW_API_KEY"
```
#### उत्तर (NAS प्रशिक्षण)
```json
{
"trainingId": "my-workspace/my-project/5",
"versionId": "5",
"status": "finished",
"jobType": "nas",
"modelType": "rfdetr-nas-parent",
"modelGroup": "rfdetrNasGroup-2026-04-01",
"modelCount": 8,
"recommendedByHardware": {
"jetson-orin-nano": "nas-child-1",
"t4": "nas-child-2"
},
"mining": {
"mining": {
"progress": 0.42,
"frontier": [{"name": "subnet-1", "mAP": 0.81}]
},
"baseline": [{"modelTypeDisplay": "rfdetr-nas-S"}]
},
"models": [
{
"modelId": "nas-child-1",
"modelType": "rfdetr-nas-S",
"status": "finished",
"nasFamily": "child",
"metrics": {
"map50": 81,
"map5095": 64,
"f1": 78,
"hardware": "jetson-orin-nano",
"latency": 12.4,
"paretoOptimalFor": ["jetson-orin-nano"]
},
"recommended": true
}
]
}
```
#### उत्तर (Fine-Tune प्रशिक्षण)
गैर-NAS training runs के लिए, उत्तर एक minimal bundle होता है:
```json
{
"trainingId": "my-workspace/my-project/3",
"versionId": "3",
"status": "finished",
"jobType": "fine-tune",
"modelGroup": null,
"modelCount": 0,
"models": []
}
```
#### उत्तर फ़ील्ड
| फ़ील्ड | प्रकार | विवरण |
| ----------------------- | -------------- | ---------------------------------------------------------------------------- |
| `trainingId` | string | में समग्र ID `workspace/project/versionId` प्रारूप |
| `status` | string | प्रशिक्षण स्थिति (उदा. `पूर्ण`, `running`, `failed`) |
| `jobType` | string | `nas` NAS runs के लिए, `fine-tune` मानक प्रशिक्षण के लिए |
| `modelType` | string | प्रशिक्षण के लिए उपयोग की गई model architecture |
| `modelGroup` | string \| null | NAS child models के लिए group identifier. `null` गैर-NAS runs के लिए |
| `modelCount` | number | training run द्वारा उत्पन्न मॉडलों की संख्या |
| `recommendedByHardware` | object | हार्डवेयर target से उस target के लिए अनुशंसित model ID का मानचित्र। केवल NAS |
| `mining` | object | यदि उपलब्ध हो तो mining frontier और snapshot data। केवल NAS |
| `models` | array | प्रति-model सारांश (नीचे देखें) |
**Model summary फ़ील्ड:**
| फ़ील्ड | प्रकार | विवरण |
| ------------- | -------------- | --------------------------------------------------------------------------------------------------------------- |
| `modelId` | string | सार्वजनिक model identifier (URL slug)। यही वही value है जिसका उपयोग `POST /:workspace/models/:modelId/favorite` |
| `modelType` | string | Model architecture variant |
| `status` | string | इस model के लिए training status |
| `nasFamily` | string | `child` या `baseline`. केवल NAS |
| `metrics` | object \| null | Training metrics (mAP, latency, आदि), percentages में scaled. `null` यदि प्रशिक्षण अभी भी प्रगति पर है |
| `recommended` | boolean | मौजूद और `true` यदि यह model एक अनुशंसित विकल्प है |
#### त्रुटियाँ
| स्थिति | विवरण |
| ------ | ---------------------------------------- |
| 404 | Version नहीं मिला |
| 401 | अमान्य या अनुपस्थित API key |
| 403 | API key में नहीं है `version.read` scope |