> 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/training-results.md).

# 학습 결과 보기

모든 Roboflow Train 작업에 대해 학습 그래프와 인사이트를 제공합니다.

## 정보

Roboflow는 플랫폼에서 학습하는 모든 모델의 학습 그래프와 요약 지표를 생성하므로, 학습이 진행되는 동안 작업을 모니터링하고 완료된 후에는 결과 모델을 평가할 수 있습니다. 표시되는 지표는 프로젝트 유형에 따라 다릅니다. 객체 감지에는 정밀도, 재현율, mAP가, 분류에는 정확도가, 인스턴스 분할 및 키포인트 모델에는 mAP가, 시맨틱 분할에는 mIoU가, 동작 인식에는 F1\@50 및 mIoU가, 멀티모달 모델에는 퍼플렉시티가 표시됩니다. 모델을 애플리케이션에 연결하기 전에 샘플 이미지나 사용자 지정 이미지로 학습을 마친 모델을 테스트할 수도 있습니다.

학습 그래프를 통해 학습 중인 모델의 상태를 확인할 수 있습니다. Roboflow에서 학습한 모든 모델에 학습 그래프가 제공됩니다.

모델 성능을 요약하는 지표도 표시됩니다.

표시되는 지표는 모델 유형에 따라 다릅니다.

* 객체 감지 프로젝트에는 모델의 정밀도, 재현율, mAP가 표시됩니다.
* 분류 프로젝트에는 정확도가 표시됩니다.
* 인스턴스 분할 및 키포인트 모델에는 mAP 점수가 표시됩니다.
* 시맨틱 분할 모델에는 mIoU가 표시됩니다.
* 멀티모달 모델에는 퍼플렉시티가 표시됩니다.
* 동작 인식 프로젝트에는 학습 및 검증 분할 각각에 대해 F1\@50, mIoU, 손실이 표시됩니다.

## 학습 중

모델 학습을 시작하면 학습 중인 모델과 연결된 데이터셋 버전 페이지에 메시지가 표시됩니다. 처음에는 학습 머신을 시작하는 중이라는 메시지가 나타납니다.

버전에 [학습이 두 개 이상](https://docs.roboflow.com/models/ko/train/train-a-model.md#train-multiple-models-on-a-version)있는 경우 버전 페이지에서 학습 항목을 선택하면 해당 학습의 그래프와 지표를 볼 수 있습니다.

그러면 모델 학습이 진행되는 동안 학습 그래프가 실시간으로 표시됩니다.

<figure><img src="https://2225311784-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>모델 학습 중 표시되는 학습 그래프.</p></figcaption></figure>

또한 학습에 대해 [Roboflow Agent](https://docs.roboflow.com/agents/roboflow-agent) 에게 물어볼 수도 있습니다. 채팅에 학습 그래프를 표시하고 각 에포크의 검증 지표와 손실을 읽어 주므로, 모델의 성능이 향상되거나 더 이상 개선되지 않거나 나빠지는 시점을 알려줄 수 있습니다.

### NAS 학습 차트

객체 감지 또는 인스턴스 분할 프로젝트에서 신경망 아키텍처 탐색(NAS)을 사용해 학습한 모델에는 일반 학습 그래프 대신 특수한 쌍 차트 보기가 표시됩니다.

* **학습 진행 밴드**: 학습 에포크에 따른 모델 성능 범위(상한 및 하한)를 그라데이션으로 채워 보여주는 밴드입니다. 에포크에 마우스를 올리면 해당 시점의 지표를 확인할 수 있습니다. 실시간 학습 중에는 깜박이는 표시기로 현재 학습 진행 상태를 확인할 수 있습니다.
* **에포크 스냅샷**: 각 에포크에서 평가된 아키텍처의 모델 지연 시간과 정확도 간의 상충 관계를 보여주는 파레토 곡선입니다. 그라데이션 색상은 더 빠른 모델(밝은색)부터 더 정확한 모델(어두운색)까지 표시합니다.

Standard 및 Plus NAS 실행과 달리 Fast NAS 실행에는 학습 중 지표 범위를 표시할 기준 구성이 없습니다. 따라서 학습 중인 단일 슈퍼넷의 지표만 보고합니다. 이 실행에서는 쌍으로 구성된 밴드 및 스냅샷 보기 대신 표준 학습 그래프가 표시됩니다.

## 학습 완료 후

모델 학습이 완료되면 학습 과정의 지표를 확인할 수 있습니다.

학습이 끝난 모델의 학습 그래프를 찾으려면 먼저 사이드바에서 Models 탭을 클릭합니다.

<figure><img src="https://2225311784-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>

그런 다음 [학습 항목(또는 모델)](https://docs.roboflow.com/models/ko/versions-trainings-and-models.md) 을 클릭해 해당 학습 그래프를 확인합니다.

페이지에서 아래로 스크롤해 Training Graphs 섹션을 찾습니다.

<figure><img src="https://2225311784-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>

## 모델 테스트

Test 페이지에서 이미지로 모델을 테스트할 수 있습니다. 이는 Workflows에서 애플리케이션 로직을 만들기 전에 모델 성능을 빠르게 확인하는 좋은 방법입니다.

Test 기능은 객체 감지, 분할, 분류 및 키포인트 모델에서 사용할 수 있습니다. 멀티모달 프로젝트에서는 Test를 지원하지 않습니다.

모델을 테스트하려면 오른쪽 사이드바에서 "Test"를 클릭합니다. 그러면 Test 페이지가 열립니다.

<figure><img src="https://2225311784-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 페이지에는 테스트 세트의 이미지가 여러 개 표시되며, 여기서 이미지를 선택해 모델에 사용할 수 있습니다. 직접 이미지와 동영상을 업로드하거나 웹캠으로 테스트할 수도 있습니다.

모델 배포 안내를 보려면 Try on My Machine을 클릭합니다. Roboflow Workflows에 모델을 배포할 수도 있습니다.

## HTTP API

### 학습 결과 가져오기

한 번의 호출로 학습 상태, 생성된 모델, 각 모델의 지표를 반환하므로 모델을 하나씩 조회할 필요가 없습니다.  [신경망 아키텍처 탐색](https://docs.roboflow.com/models/ko/train/neural-architecture-search.md) 학습의 경우 응답에 모든 후보 모델이 나열되고, 권장 모델이 표시되며, 탐색 진행 상황도 포함됩니다. 학습을  [시작한](https://docs.roboflow.com/models/ko/train/train-a-model.md#http-api) 후  `status` 가 `finished`, `failed`, `cancelled`, 또는 `stopped`.

이 엔드포인트는 해당 버전의 유일한 학습을 읽습니다. 버전에 학습이 둘 이상 있으면 다음을 반환합니다. `409`: 대신 [학습 가져오기](https://docs.roboflow.com/models/ko/model-ids.md#http-api) 와 `trainingId` 를 사용하세요.

{% openapi src="/files/436cda1d7d5de96680fb8260e41b12c3992c9683" path="/{workspace}/{project}/{version}/training/results" method="get" %}
[trainings.yaml](https://2225311784-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fcmo9mhfIjYrvFFy1U7dk%2Fuploads%2Fgit-blob-4028116544554a08ca7a36c2a7e2a8ecde4e69e3%2Ftrainings.yaml?alt=media)
{% endopenapi %}

## MCP 서버

AI 에이전트를 [MCP 서버](https://docs.roboflow.com/agents/mcp-server) 에 연결하면 다음 도구를 사용해 학습 결과를 확인할 수 있습니다.

<table data-search="false"><thead><tr><th width="290">도구</th><th>설명</th></tr></thead><tbody><tr><td><code>trainings_get</code></td><td>학습 상태, 생성된 모델 및 지표를 가져옵니다.</td></tr><tr><td><code>trainings_list</code></td><td>데이터셋 버전의 학습 실행 목록을 표시합니다.</td></tr><tr><td><code>models_list</code></td><td>프로젝트의 학습된 모델 목록을 표시합니다.</td></tr><tr><td><code>models_get</code></td><td>학습된 모델의 세부 정보를 가져옵니다.</td></tr></tbody></table>
