> 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).

# ट्रेनिंग परिणाम देखें

## परिचय

Roboflow प्लेटफ़ॉर्म पर आपके द्वारा प्रशिक्षित हर मॉडल के लिए प्रशिक्षण ग्राफ़ और सारांश मेट्रिक्स तैयार करता है, जिससे आप किसी जॉब के चलते समय उसकी निगरानी कर सकते हैं और उसके पूरा होने के बाद परिणामी मॉडल का मूल्यांकन कर सकते हैं। दिखाए गए मेट्रिक्स आपके प्रोजेक्ट प्रकार पर निर्भर करते हैं - ऑब्जेक्ट डिटेक्शन के लिए precision, recall, और mAP; वर्गीकरण के लिए accuracy; segmentation और keypoint मॉडलों के लिए mAP; और बहु-माध्यमी मॉडलों के लिए perplexity। आप किसी पूर्ण मॉडल को किसी एप्लिकेशन में एकीकृत करने से पहले नमूना या कस्टम छवियों पर भी उसका परीक्षण कर सकते हैं।

प्रशिक्षण ग्राफ़ आपको प्रशिक्षण के दौरान अपने मॉडल की स्थिति देखने देते हैं। प्रशिक्षण ग्राफ़ Roboflow पर प्रशिक्षित सभी मॉडलों के लिए उपलब्ध हैं।

आप ऐसे मेट्रिक्स भी देखेंगे जो आपके मॉडल के प्रदर्शन का सारांश देते हैं।

आप जो मेट्रिक्स देखेंगे, वे आपके मॉडल प्रकार पर निर्भर करेंगे:

* ऑब्जेक्ट डिटेक्शन प्रोजेक्ट मॉडल की precision, recall, और mAP दिखाते हैं।
* वर्गीकरण प्रोजेक्ट accuracy दिखाते हैं।
* Segmentation और keypoint मॉडल mAP स्कोर दिखाते हैं।
* बहु-माध्यमी मॉडल perplexity दिखाते हैं।

## प्रशिक्षण के दौरान

जब आप किसी मॉडल का प्रशिक्षण शुरू करते हैं, तो जिस डेटासेट संस्करण पेज से वह मॉडल संबद्ध है, उस पर एक संदेश दिखाई देगा। यह संदेश पहले बताएगा कि एक प्रशिक्षण मशीन शुरू हो रही है।

यदि किसी संस्करण में [एक से अधिक प्रशिक्षण](/models/hi/train/train-a-model.md#train-multiple-models-on-a-version)हैं, तो उसके ग्राफ़ और मेट्रिक्स देखने के लिए संस्करण पेज पर किसी एक प्रशिक्षण को चुनें।

फिर आप अपने मॉडल के प्रशिक्षण के दौरान प्रशिक्षण ग्राफ़ को लाइव दिखाई देते देखेंगे:

<figure><img src="/files/95bc7e0ba858e152a11be48f216a651f4706c4b1" alt=""><figcaption><p>मॉडल के प्रशिक्षण के दौरान प्रशिक्षण ग्राफ़।</p></figcaption></figure>

### NAS प्रशिक्षण चार्ट

ऑब्जेक्ट डिटेक्शन या instance segmentation प्रोजेक्ट्स पर Neural Architecture Search (NAS) के साथ प्रशिक्षित मॉडलों के लिए, मानक प्रशिक्षण ग्राफ़ के बजाय एक विशेष युग्मित चार्ट दृश्य दिखाया जाता है:

* **प्रशिक्षण प्रगति बैंड**: प्रशिक्षण युगों के दौरान मॉडल प्रदर्शन की सीमा (ऊपरी और निचली सीमाएँ) दिखाने वाला ग्रेडिएंट-भरा बैंड। किसी भी युग पर होवर करके उस बिंदु के मेट्रिक्स देखें। एक स्पंदित संकेतक लाइव प्रशिक्षण के दौरान वर्तमान प्रशिक्षण फ्रंट दिखाता है.
* **युग स्नैपशॉट**: एक पारेतो वक्र जो प्रत्येक युग पर मूल्यांकित आर्किटेक्चर्स के लिए मॉडल विलंबता और सटीकता के बीच समझौता दिखाता है। ग्रेडिएंट स्पेक्ट्रम तेज़ (हल्के) से अधिक सटीक (गहरे) मॉडलों तक जाता है।

Standard और Plus NAS रन के विपरीत, Fast NAS रन में प्रशिक्षण के दौरान मेट्रिक्स की एक श्रृंखला रिपोर्ट करने के लिए कोई बेसलाइन कॉन्फ़िगरेशन नहीं होते, इसलिए वे केवल प्रशिक्षित हो रहे एकल सुपरनेट के लिए मेट्रिक्स रिपोर्ट करते हैं। ये रन युग्मित बैंड और स्नैपशॉट दृश्य के बजाय मानक प्रशिक्षण ग्राफ़ दिखाते हैं।

## प्रशिक्षण के बाद

जब आपका मॉडल प्रशिक्षण पूरा कर लेता है, तो आप प्रशिक्षण प्रक्रिया के मेट्रिक्स देख सकते हैं।

किसी मॉडल के प्रशिक्षण के बाद उसके प्रशिक्षण ग्राफ़ ढूँढने के लिए, पहले साइडबार में Models टैब पर क्लिक करें:

<figure><img src="/files/d980ed8676548ed27ee555babc54ed1fd6a4cd55" alt=""><figcaption></figcaption></figure>

फिर, [प्रशिक्षण (या मॉडल)](/models/hi/versions-trainings-and-models.md) पर क्लिक करें, जिसके प्रशिक्षण ग्राफ़ आप देखना चाहते हैं।

पेज पर नीचे स्क्रॉल करें, जब तक आपको Training Graphs सेक्शन दिखाई न दे:

<figure><img src="/files/75e4cf8357267f4e94d2c6eda34aa36251904e8e" alt=""><figcaption></figcaption></figure>

## अपने मॉडल का परीक्षण करें

आप Test पेज पर किसी छवि से अपने मॉडल का परीक्षण कर सकते हैं। यह यह देखने के लिए त्वरित जाँच चलाने का एक अच्छा तरीका है कि Workflows में अपनी application logic बनाने से पहले आपका मॉडल कैसा प्रदर्शन करता है।

Test सुविधा ऑब्जेक्ट डिटेक्शन, segmentation, classification, और keypoint मॉडलों के लिए काम करती है। बहु-माध्यमी प्रोजेक्ट्स के लिए Test समर्थित नहीं है।

किसी मॉडल का परीक्षण करने के लिए, दाएँ साइडबार में "Test" पर क्लिक करें। फिर Test पेज खुल जाएगा:

<figure><img src="/files/ba40903d869da5708559cb158b6fb5a6c8f1b370" alt=""><figcaption></figcaption></figure>

Test पेज आपके test set से कई छवियाँ दिखाएगा, जिनमें से आप अपने मॉडल पर चलाने के लिए चुन सकते हैं। आप अपनी स्वयं की छवियाँ और वीडियो भी अपलोड कर सकते हैं, या अपने वेबकैम के साथ कोशिश कर सकते हैं।

अपने मॉडल के लिए परिनियोजन निर्देश ढूँढने के लिए, Try on My Machine पर क्लिक करें। आप अपने मॉडल को Roboflow Workflows पर भी परिनियोजित कर सकते हैं।

## HTTP API

### प्रशिक्षण परिणाम प्राप्त करें

किसी डेटासेट संस्करण के लिए प्रशिक्षण परिणाम प्राप्त करें। NAS (Neural Architecture Search) प्रशिक्षण रन के लिए, यह सभी child मॉडलों, उनके मेट्रिक्स, हार्डवेयर-विशिष्ट अनुशंसाओं, और mining frontier डेटा सहित एक समेकित दृश्य लौटाता है। मानक fine-tune रन के लिए, यह एक न्यूनतम सारांश लौटाता है।

यह endpoint कई reads को एक single call में समेकित करता है, इसलिए आपको model data अलग से प्राप्त करने की आवश्यकता नहीं होती।

#### एंडपॉइंट

```
GET /:workspace/:project/:version/training/results
```

**प्रमाणीकरण:** एक API कुंजी की आवश्यकता होती है जिसमें `version.read` स्कोप होना चाहिए।

#### अनुरोध

```bash
curl "https://api.roboflow.com/{workspace}/{project}/{version}/training/results?api_key=$ROBOFLOW_API_KEY"
```

#### प्रतिक्रिया (NAS प्रशिक्षण)

```json
{
  "trainingId": "my-workspace/my-project/5",
  "versionId": "5",
  "status": "समाप्त",
  "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": "समाप्त",
      "nasFamily": "child",
      "metrics": {
        "map50": 81,
        "map5095": 64,
        "f1": 78,
        "hardware": "jetson-orin-nano",
        "latency": 12.4,
        "paretoOptimalFor": ["jetson-orin-nano"]
      },
      "recommended": true
    }
  ]
}
```

#### प्रतिक्रिया (Fine-Tune प्रशिक्षण)

गैर-NAS प्रशिक्षण रन के लिए, प्रतिक्रिया एक न्यूनतम बंडल होती है:

```json
{
  "trainingId": "my-workspace/my-project/3",
  "versionId": "3",
  "status": "समाप्त",
  "jobType": "fine-tune",
  "modelGroup": null,
  "modelCount": 0,
  "models": []
}
```

#### प्रतिक्रिया फ़ील्ड

| फ़ील्ड                  | प्रकार         | विवरण                                                                        |
| ----------------------- | -------------- | ---------------------------------------------------------------------------- |
| `trainingId`            | string         | में समग्र ID `workspace/project/versionId` प्रारूप                           |
| `status`                | string         | प्रशिक्षण स्थिति (उदा. `समाप्त`, `चल रहा है`, `विफल`)                        |
| `jobType`               | string         | `nas` NAS रन के लिए, `fine-tune` मानक प्रशिक्षण के लिए                       |
| `modelType`             | string         | प्रशिक्षण के लिए उपयोग की गई मॉडल आर्किटेक्चर                                |
| `modelGroup`            | string \| null | NAS child मॉडलों के लिए समूह पहचानकर्ता। `null` गैर-NAS रन के लिए            |
| `modelCount`            | number         | प्रशिक्षण रन द्वारा बनाए गए मॉडलों की संख्या                                 |
| `recommendedByHardware` | object         | हार्डवेयर लक्ष्य से उस लक्ष्य के लिए अनुशंसित model ID का मानचित्र। केवल NAS |
| `mining`                | object         | यदि उपलब्ध हो, तो mining frontier और snapshot डेटा। केवल NAS                 |
| `models`                | array          | प्रति-मॉडल सारांश (नीचे देखें)                                               |

**मॉडल सारांश फ़ील्ड:**

| फ़ील्ड        | प्रकार         | विवरण                                                                                                         |
| ------------- | -------------- | ------------------------------------------------------------------------------------------------------------- |
| `modelId`     | string         | सार्वजनिक मॉडल पहचानकर्ता (URL slug)। यही मान इसमें उपयोग होता है `POST /:workspace/models/:modelId/favorite` |
| `modelType`   | string         | मॉडल आर्किटेक्चर संस्करण                                                                                      |
| `status`      | string         | इस मॉडल की प्रशिक्षण स्थिति                                                                                   |
| `nasFamily`   | string         | `child` या `baseline`. केवल NAS                                                                               |
| `metrics`     | object \| null | प्रशिक्षण मेट्रिक्स (mAP, विलंबता आदि), प्रतिशत में स्केल किए गए। `null` यदि प्रशिक्षण अभी प्रगति पर है       |
| `recommended` | boolean        | मौजूद और `सत्य` यदि यह मॉडल अनुशंसित विकल्प है                                                                |

#### त्रुटियाँ

| स्थिति | विवरण                                      |
| ------ | ------------------------------------------ |
| 404    | संस्करण नहीं मिला                          |
| 401    | अमान्य या अनुपस्थित API कुंजी              |
| 403    | API कुंजी में अभाव है `version.read` स्कोप |

## MCP सर्वर

अपने AI एजेंट को [MCP सर्वर](https://docs.roboflow.com/agents/mcp-server) और यह इन उपकरणों से देख सकता है कि प्रशिक्षण कैसा रहा:

<table data-search="false"><thead><tr><th width="290">टूल</th><th>विवरण</th></tr></thead><tbody><tr><td><code>trainings_get</code></td><td>किसी प्रशिक्षण की स्थिति, बनाए गए मॉडल, और मेट्रिक्स प्राप्त करें।</td></tr><tr><td><code>trainings_list</code></td><td>किसी डेटासेट संस्करण पर प्रशिक्षण रन की सूची दें।</td></tr><tr><td><code>models_list</code></td><td>किसी प्रोजेक्ट में प्रशिक्षित मॉडलों की सूची दें।</td></tr><tr><td><code>models_get</code></td><td>किसी प्रशिक्षित मॉडल के विवरण प्राप्त करें।</td></tr></tbody></table>