> 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/ko/evaluate/compare-trained-models.md).

# 학습된 모델 비교

동일한 데이터셋 버전의 모델들에 대해 테스트 세트 정확도와 중앙 지연 시간을 비교하세요.

학습된 모델들을 비교하여 정확도와 속도 간의 균형을 찾습니다. 비교에는 동일한 데이터셋 버전에 학습되었거나 업로드된 모델이 포함됩니다.

비교 요청은 읽기 전용입니다. 평가를 시작하지 않습니다.

{% hint style="info" %}
모델 비교에는 작업 영역에서 모델 평가 액세스가 필요합니다. 액세스가 없으면 "Compare" 탭에 업그레이드 안내가 표시되고 비교 요청은 오류를 반환합니다.
{% endhint %}

## 정보

각 모델 행에는 해당 메트릭, 중앙값 지연 시간, 프론티어 상태, 제외 사유가 포함됩니다. 평가가 없는 모델도 응답에 남아 있습니다.

비교는 각 모델의 최신 완료 평가를 사용합니다. 더 오래된 적격 평가로 되돌아가지 않습니다.

기본 프론티어 메트릭은 프로젝트 유형에 따라 다릅니다:

* 객체 탐지, 인스턴스 분할, 키포인트 탐지: mAP\@50:95 (`mAP5095`).
* 시맨틱 분할: mIoU (`mIoU`).
* 분류: F1 (`f1`).

다른 값을 사용하려면 `availableMetrics` 에서 다른 메트릭을 비교하세요. API 정확도 값은 비율입니다. CLI는 백분율을 표시합니다.

지연 시간은 서버 측 추론 시간의 중앙값이며, 밀리초 단위입니다. 전처리와 후처리를 포함하고 네트워크 시간은 제외합니다.

파레토 프론티어 위에 있으려면, 어떤 모델도 적어도 같거나 더 정확하고 더 빠르며, 그중 하나는 엄밀히 더 좋아야 합니다. 동일한 측정값이면 여러 모델이 프론티어 위에 있을 수 있습니다. 프론티어 포함 여부는 권장 사항이 아닙니다.

## 웹 앱

프로젝트 사이드바의 "Models" 아래에서 "Compare"를 엽니다. "Dataset Version" 목록을 사용하여 버전을 선택합니다.

차트에는 지연 시간과 선택한 메트릭이 있는 모델이 포함됩니다. 점을 선택하면 해당 모델 카드가 열립니다.

메트릭 선택기를 사용하여 차트 메트릭과 프론티어를 변경합니다. 탐지 프로젝트에는 mAP\@50, mAP\@50:95, mAP\@75, Precision, Recall, F1이 포함될 수 있습니다. 인스턴스 분할 프로젝트에는 mBAP\@50, mBAP\@50:95, mBAP\@75도 포함될 수 있습니다. 시맨틱 분할 프로젝트에는 mBIoU도 포함될 수 있습니다. 이전 평가에는 이러한 경계 메트릭이 없으므로, 하나를 선택하면 해당 모델이 표시되려면 평가 업데이트가 필요합니다.

"Some models need evaluation updates" 패널에는 비교 결과가 누락된 모델이 나열되고 각 모델에 필요한 사항이 설명됩니다.

* 한 번도 평가된 적이 없는 모델은 "Run Evaluation"을 클릭하세요.
* 평가에 지연 시간이나 정확도 메트릭이 없으면 "Update Evaluation"을 클릭하세요.
* 실행이 실패한 후에는 "Retry Evaluation"을 클릭하세요.

패널의 모든 적격 모델을 평가하려면 "Update All"을 클릭하세요. 이미 대기 중이거나 실행 중인 평가는 제외됩니다.

어떤 모델에도 비교 결과가 없기 전에는 탭에 차트 대신 다음 단계가 표시됩니다(예: "Train a Model", "View Training", "Run Evaluations", "Update Evaluations"). "Run Evaluations"와 "Update Evaluations"는 그 자리에서 "Update All"을 대체합니다.

평가가 없는 NAS 자식 항목은 해당 NAS 학습으로 연결됩니다. 기존 평가가 있는 NAS 자식 항목은 평가 재시도 흐름을 사용할 수 있습니다.

## HTTP API

하나의 데이터셋 버전에 대한 비교를 읽습니다. 요청은 평가를 시작하거나 업데이트하지 않습니다.

{% openapi src="/files/eb27e422565bffde433f80c9e6828fbf41323e11" path="/{workspace}/model-evals/compare" method="get" %}
[model-comparison.yaml](https://2225311784-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fcmo9mhfIjYrvFFy1U7dk%2Fuploads%2Fgit-blob-bbdbe3592227d8d51aae40bf59a6d1a879acd71a%2Fmodel-comparison.yaml?alt=media)
{% endopenapi %}

## Python SDK

동일한 비교 응답을 받으려면 Python SDK 버전 1.5.1 이상을 사용하세요:

```python
comparison = workspace.compare_model_evaluations(
    "chess-pieces",
    131,
    frontier_metric="mAP5095",
)
```

각 행의 `modelId` 를 안정적인 모델 참조로 사용하세요. 프론티어를 다시 만들지 말고 서버의 `onFrontier` 값을 사용하세요.

## CLI

사용하세요 `roboflow` 버전 1.5.1 이상을 사용하여 프로젝트의 데이터셋 버전을 비교합니다:

```bash
roboflow --workspace my-workspace eval compare \
  --project chess-pieces \
  --version 131 \
  --frontier-metric mAP5095
```

추가하세요 `--json` 을 추가하면 표시 반올림 없이 전체 응답을 반환합니다. 이 키에는 `model-eval:read` 범위와 Project 액세스가 필요합니다.

## MCP

다음을 호출하세요 `model_evals_compare` 도구를 프로젝트 슬러그, 버전 번호, 선택적 프론티어 메트릭과 함께 사용합니다:

```json
{
  "project_id": "chess-pieces",
  "version_number": 131,
  "frontier_metric": "mAP5095"
}
```

이 도구는 현재 작업 영역을 사용합니다. 반환된 `onFrontier` 값을 사용하여 트레이드오프를 설명하세요. 이 도구는 모델을 선택하지 않습니다.