प्रशिक्षण परिणाम देखें
सभी Roboflow Train जॉब्स के लिए ट्रेनिंग ग्राफ़ और इनसाइट्स उपलब्ध कराई जाती हैं।
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 चलानाहै, 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:
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) 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
प्रमाणीकरण: इसके लिए एक API key की आवश्यकता होती है जिसमें version.read स्कोप हो।
अनुरोध
उत्तर (NAS प्रशिक्षण)
उत्तर (Fine-Tune प्रशिक्षण)
गैर-NAS training runs के लिए, उत्तर एक minimal bundle होता है:
उत्तर फ़ील्ड
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:
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
404
Version नहीं मिला
401
अमान्य या अनुपस्थित API key
403
API key में नहीं है version.read scope
अंतिम अपडेट
क्या यह उपयोगी था?