> 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/ja/ping-si/training-results.md).

# トレーニング結果を表示

すべての Roboflow Train ジョブで、学習グラフとインサイトを利用できます。

## 概要

Roboflow は、プラットフォーム上でトレーニングするすべてのモデルについて、トレーニンググラフと概要メトリクスを生成します。これにより、ジョブの実行中に進捗を監視し、完了後に生成されたモデルを評価できます。表示されるメトリクスはプロジェクトの種類によって異なります。物体検出では適合率、再現率、mAP、分類では精度、インスタンスセグメンテーションおよびキーポイントモデルではmAP、セマンティックセグメンテーションではmIoU、行動認識ではF1\@50とmIoU、マルチモーダルモデルではパープレキシティが表示されます。また、完成したモデルをアプリケーションに組み込む前に、サンプル画像や独自の画像でテストすることもできます。

トレーニンググラフを使うと、トレーニング中のモデルの状態を確認できます。トレーニンググラフは、Roboflowでトレーニングしたすべてのモデルで利用できます。

モデルのパフォーマンスを要約したメトリクスも表示されます。

表示されるメトリクスは、モデルの種類によって異なります。

* 物体検出プロジェクトでは、モデルの適合率、再現率、mAPが表示されます。
* 分類プロジェクトでは、精度が表示されます。
* インスタンスセグメンテーションモデルとキーポイントモデルでは、mAPスコアが表示されます。
* セマンティックセグメンテーションモデルでは、mIoUが表示されます。
* マルチモーダルモデルでは、パープレキシティが表示されます。
* 行動認識プロジェクトでは、トレーニングセットと検証セットそれぞれについて、F1\@50、mIoU、損失が表示されます。

## トレーニング中

モデルのトレーニングを開始すると、トレーニング対象のモデルに関連付けられたデータセットバージョンのページにメッセージが表示されます。最初のメッセージは、トレーニング用マシンの起動中であることを示します。

バージョンに [複数のトレーニング](https://docs.roboflow.com/models/ja/xue-xi/train-a-model.md#train-multiple-models-on-a-version)がある場合は、バージョンのページでトレーニングを選択すると、そのグラフとメトリクスを確認できます。

その後、モデルのトレーニング中にリアルタイムでトレーニンググラフが表示されます。

<figure><img src="https://1194881119-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fcmo9mhfIjYrvFFy1U7dk%2Fuploads%2Fgit-blob-60a42e0f454daf4899e4d270bbec386e5c482a73%2FScreenshot%202025-05-20%20at%2013.05.35.png?alt=media" alt=""><figcaption><p>モデルのトレーニング中に表示されるトレーニンググラフ。</p></figcaption></figure>

トレーニングについて [Roboflow Agent](https://docs.roboflow.com/agents/roboflow-agent) に質問することもできます。チャット内にトレーニンググラフを表示し、各エポックの検証メトリクスと損失を読み取るため、モデルの性能が向上したとき、改善が止まったとき、または悪化したときを教えてくれます。

### NASトレーニングチャート

物体検出またはインスタンスセグメンテーションのプロジェクトで、ニューラルアーキテクチャ探索（NAS）を使ってトレーニングしたモデルでは、標準的なトレーニンググラフの代わりに、専用の2つのチャートが表示されます。

* **トレーニング進捗バンド**: トレーニングエポック全体にわたるモデル性能の範囲（上限と下限）を、グラデーションで塗りつぶして表示します。エポックにカーソルを合わせると、その時点のメトリクスを確認できます。トレーニング中は、点滅するインジケーターで現在のトレーニング進捗が示されます。
* **エポックスナップショット**: 各エポックで評価されたアーキテクチャについて、モデルのレイテンシと精度のトレードオフを示すパレート曲線です。グラデーションの色は、より高速なモデル（明るい色）から、より高精度なモデル（暗い色）までを表します。

StandardおよびPlusのNAS実行とは異なり、Fast NAS実行では、トレーニング中にメトリクスのばらつきを示す基準構成がありません。そのため、トレーニング中の単一のスーパーネットについてのみメトリクスが表示されます。これらの実行では、2つのチャート（バンドとスナップショット）の代わりに標準的なトレーニンググラフが表示されます。

## トレーニング後

モデルのトレーニングが完了すると、トレーニングプロセスのメトリクスを確認できます。

トレーニング後にモデルのトレーニンググラフを表示するには、まずサイドバーの「Models」タブをクリックします。

<figure><img src="https://1194881119-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fcmo9mhfIjYrvFFy1U7dk%2Fuploads%2Fgit-blob-eba886ca21455e8f0b4be719f06596c84ce34d30%2FScreenshot%202025-05-20%20at%2007.34.41.png?alt=media" alt=""><figcaption></figcaption></figure>

次に、 [トレーニング（またはモデル）](https://docs.roboflow.com/models/ja/versions-trainings-and-models.md) をクリックして、トレーニンググラフを表示します。

ページを下にスクロールし、「Training Graphs」セクションを表示します。

<figure><img src="https://1194881119-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fcmo9mhfIjYrvFFy1U7dk%2Fuploads%2Fgit-blob-784d68e6d838a5b38ba5c53552c97a121119197d%2FScreenshot%202025-05-20%20at%2007.35.41.png?alt=media" alt=""><figcaption></figcaption></figure>

## モデルをテストする

Testページで画像を使ってモデルをテストできます。これは、Workflowsでアプリケーションのロジックを構築する前に、モデルの性能を手早く確認するのに適した方法です。

Test機能は、物体検出、セグメンテーション、分類、キーポイントモデルに対応しています。マルチモーダルプロジェクトではTestを利用できません。

モデルをテストするには、右側のサイドバーで「Test」をクリックします。Testページが開きます。

<figure><img src="https://1194881119-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fcmo9mhfIjYrvFFy1U7dk%2Fuploads%2Fgit-blob-70bf1b69d46739cff58048475dc7ef7032dc3b34%2FScreenshot%202025-05-20%20at%2007.38.37.webp?alt=media" alt=""><figcaption></figcaption></figure>

Testページにはテストセットの画像がいくつか表示され、選択した画像をモデルで実行できます。独自の画像や動画をアップロードしたり、ウェブカメラを使ったりすることもできます。

モデルのデプロイ手順を確認するには、「Try on My Machine」をクリックします。Roboflow Workflowsにモデルをデプロイすることもできます。

## HTTP API

### トレーニング結果を取得する

トレーニングのステータス、生成されたモデル、およびそれらのメトリクスを1回の呼び出しで返すため、各モデルを個別に確認する必要はありません。 [ニューラルアーキテクチャ探索](https://docs.roboflow.com/models/ja/xue-xi/neural-architecture-search.md) トレーニングの場合、レスポンスにはすべての候補モデルが一覧表示され、推奨モデルが示されるほか、探索の進捗も含まれます。トレーニングを [開始](https://docs.roboflow.com/models/ja/xue-xi/train-a-model.md#http-api) した後、 `status` が `finished`, `failed`, `cancelled`、または `stopped`.

このエンドポイントは、バージョンに含まれる唯一のトレーニングを取得します。バージョンに複数のトレーニングが含まれている場合は、 `409`を返します。代わりに [トレーニングを取得](https://docs.roboflow.com/models/ja/model-ids.md#http-api) を `trainingId` で指定してください。

{% openapi src="/files/dcbd935399d52f4a63b56fcecf5b25782856bb21" path="/{workspace}/{project}/{version}/training/results" method="get" %}
[trainings.yaml](https://1194881119-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fcmo9mhfIjYrvFFy1U7dk%2Fuploads%2Fgit-blob-4028116544554a08ca7a36c2a7e2a8ecde4e69e3%2Ftrainings.yaml?alt=media)
{% endopenapi %}

## MCPサーバー

AIエージェントを [MCPサーバー](https://docs.roboflow.com/agents/mcp-server) に接続すると、次のツールでトレーニングの結果を確認できます。

<table data-search="false"><thead><tr><th width="290">ツール</th><th>説明</th></tr></thead><tbody><tr><td><code>trainings_get</code></td><td>トレーニングのステータス、生成されたモデル、メトリクスを取得します。</td></tr><tr><td><code>trainings_list</code></td><td>データセットのバージョンに対するトレーニング実行の一覧を取得します。</td></tr><tr><td><code>models_list</code></td><td>プロジェクト内のトレーニング済みモデルの一覧を取得します。</td></tr><tr><td><code>models_get</code></td><td>トレーニング済みモデルの詳細を取得します。</td></tr></tbody></table>
