> 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).
# 学習結果を表示
## 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サマリー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行状況を監視し、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、物体検出では precision、recall、mAP、分類では accuracy、セグメンテーションとキーポイントモデルでは mAP、マルチモーダルモデルでは perplexity が表示されます。アプリケーションに組み込む前に、サンプル画像やカスタム画像で完成したモデルを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 でトレーニングされ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 precision、recall、mAP が表示されます。
* 分類プロジェクトでは accuracy が表示されます。
* セグメンテーションおよびキーポイントモデルでは mAP スコアが表示されます。
* マルチモーダルモデルでは perplexity 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、トレーニングしているモデルに関連付けられたデータセットのバージョンページにメッセージが表示されます。このメッセージでは、最初にトレーニングマシンの起動が始まることが示されます。
バージョンに [1つのデータセットバージョンで複数回の training](/models/ja/xue-xi/train-a-model.md#train-multiple-models-on-a-version)がある場合は、バージョンページでそのトレーニングを選択してグラフとメトリクスを表示します。
その後、モデルのトレーニングに合わせてトレーニンググラフがリアルタイムで表示されます:
モデルのトレーニング中のトレーニンググラフ。
### NAS トレーニングチャート
オブジェクト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 Neural Architecture Search（NAS）を使ってトレーニングしたモデルでは、標準のトレーニンググラフの代わりに、専用のペアチャート表示が使われます:
* **トレーニング進行バンド**：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）を示す、グラデーションで塗られたバンドです。任意の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。点滅するインジケーターは、ライブトレーニング中の現在のトレーニングフロントを示します。
* **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。グラデーションのスペクトルは、より高速な（明るい）モデルから、より高精度な（暗い）モデルまで広がります。
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分布を報告するためのベースライン構成がないため、トレーニングされる単一のスーパーネットのメトリクスのみを報告します。これらの実行では、ペアのバンドとスナップショット表示の代わりに標準の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したら、トレーニングプロセスのメトリクスを確認できます。
トレーニング後のモデルのトレーニンググラフを見つけるには、まずサイドバーの Models タブをクリックします:
次に、 [トレーニング（またはモデル）](/models/ja/versions-trainings-and-models.md) をクリックします。確認したいトレーニンググラフがあるものです。
ページを下にスクロールして、Training Graphs セクションが表示されるまで進みます:
## モデルをテストする
Test ページの画像でモデルをテストできます。これは、Workflows でアプリケーションロジックを構築する前に、モデルの動作を素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で利用できます。Test はマルチモーダルプロジェクトではサポートされていません。
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。すると Test ページが開きます:
Test ページには、モデルで実行する対象として選択できるテストセットの画像がいくつか表示されます。独自の画像や動画をアップロードしたり、Web カメラで試し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
データセットのバージョンのトレーニング結果を取得します。NAS（Neural Architecture Search）トレーニング実行では、すべての子モデル、それらのメトリクス、ハードウェア固有の推奨事項、およびマイニングフロンティアデータを含むバンドル表示が返されます。標準のファインチューニング実行では、最小限のサマリーが返されます。
このエンドポイントは複数の読み取りを 1 回の呼び出しにまとめるため、モデルデータを個別に取得する必要はありません。
#### Endpoint
```
GET /:workspace/:project/:version/training/results
```
**認証:** 必要な API キーのスコープは `version.read` スコープ。
#### リクエスト
```bash
curl "https://api.roboflow.com/{workspace}/{project}/{version}/training/results?api_key=$ROBOFLOW_API_KEY"
```
#### レスポンス（NAS トレーニング）
```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
}
]
}
```
#### レスポンス（ファインチューニング トレーニング）
NAS 以外のトレーニング実行では、レスポンスは最小限のバンドルになります:
```json
{
"trainingId": "my-workspace/my-project/3",
"versionId": "3",
"status": "finished",
"jobType": "fine-tune",
"modelGroup": null,
"modelCount": 0,
"models": []
}
```
#### レスポンス項目
| 項目 | 型 | 説明 |
| ----------------------- | -------------- | ----------------------------------------------------- |
| `trainingId` | 文字列 | の複合ID `workspace/project/versionId` 形式 |
| `status` | 文字列 | トレーニングステータス（例: `finished`, `running`, `failed`) |
| `jobType` | 文字列 | `nas` NAS 実行では `fine-tune` 標準トレーニングでは |
| `modelType` | 文字列 | トレーニングに使用されたモデルアーキテクチャ |
| `modelGroup` | string \| null | NAS の子モデルのグループ識別子。 `null` NAS 以外の実行では |
| `modelCount` | number | トレーニング実行によって生成されたモデル数 |
| `recommendedByHardware` | object | 各ハードウェアターゲットに対して、そのターゲットに推奨されるモデル ID を対応付けたマップ。NAS のみ |
| `探索` | object | 利用可能な場合、マイニングフロンティアとスナップショットのデータ。NAS のみ |
| `models` | array | モデルごとのサマリー（下記参照） |
**モデルサマリーフィールド:**
| 項目 | 型 | 説明 |
| ------------- | -------------- | ------------------------------------------------------------------------------- |
| `modelId` | 文字列 | 公開モデル識別子（URL スラッグ）。これはで使用されるのと同じ値です `POST /:workspace/models/:modelId/favorite` |
| `modelType` | 文字列 | モデルアーキテクチャのバリアント |
| `status` | 文字列 | このモデルのトレーニングステータス |
| `nasFamily` | 文字列 | `child` または `baseline`。NAS のみ |
| `metrics` | object \| null | トレーニングメトリクス（mAP、レイテンシなど）。百分率にスケーリングされています。 `null` トレーニングがまだ進行中の場合 |
| `recommended` | boolean | 存在し、 `true` このモデルが推奨候補であれば |
#### エラー
| ステータス | 説明 |
| ----- | ---------------------------------------- |
| 404 | バージョンが見つかりません |
| 401 | 無効な API キー、または API キーがありません |
| 403 | API キーに次のスコープがありません `version.read` scope |