> 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
## 소개
Roboflow는 플랫폼에서 학습하는 모든 모델에 대해 학습 그래프와 요약 지표를 생성하여, 작업이 실행되는 동안 진행 상황을 모니터링하고 완료 후 결과 모델을 평가할 수 있게 해줍니다. 표시되는 지표는 프로젝트 유형에 따라 다릅니다. 객체 탐지에는 정밀도, 재현율, mAP가, 분류에는 정확도가, 세그멘테이션 및 키포인트 모델에는 mAP가, 멀티모달 모델에는 퍼플렉서티가 표시됩니다. 또한 모델을 애플리케이션에 연결하기 전에 샘플 이미지나 사용자 지정 이미지로 완료된 모델을 테스트할 수도 있습니다.
학습 그래프를 통해 학습 중 모델의 상태를 확인할 수 있습니다. 학습 그래프는 Roboflow에서 학습된 모든 모델에 대해 사용할 수 있습니다.
또한 모델 성능을 요약하는 지표도 볼 수 있습니다.
보게 될 지표는 모델 유형에 따라 달라집니다:
* 객체 탐지 프로젝트는 모델의 정밀도, 재현율, mAP를 표시합니다.
* 분류 프로젝트는 정확도를 표시합니다.
* 세그멘테이션 및 키포인트 모델은 mAP 점수를 표시합니다.
* 멀티모달 모델은 퍼플렉서티를 표시합니다.
## 학습 중
모델 학습을 시작하면, 학습 중인 모델과 연결된 데이터셋 버전 페이지에 메시지가 표시됩니다. 이 메시지는 먼저 학습 머신이 시작 중이라고 알려줍니다.
버전에 [둘 이상의 학습](/models/ko/train/train-a-model.md#train-multiple-models-on-a-version), 버전 페이지에서 해당 학습을 선택하여 그래프와 지표를 확인합니다.
그러면 모델이 학습되는 동안 학습 그래프가 실시간으로 나타납니다:
모델이 학습되는 동안의 학습 그래프.
### NAS 학습 차트
객체 탐지 또는 인스턴스 세그멘테이션 프로젝트에서 신경망 아키텍처 탐색(NAS)으로 학습된 모델의 경우, 표준 학습 그래프 대신 특수한 페어드 차트 보기가 표시됩니다:
* **학습 진행 밴드**: 학습 epoch 동안의 모델 성능 범위(상한 및 하한)를 그라데이션으로 채워 보여주는 밴드입니다. 해당 지점의 지표를 확인하려면 아무 epoch나 마우스를 올리세요. 실시간 학습 중에는 현재 학습 전선을 보여주는 맥동 표시기가 나타납니다.
* **epoch 스냅샷**: 각 epoch에서 평가된 아키텍처의 모델 지연 시간과 정확도 간 트레이드오프를 보여주는 파레토 곡선입니다. 그라데이션 스펙트럼은 더 빠른(더 밝은) 모델에서 더 정확한(더 어두운) 모델로 이어집니다.
표준 및 Plus NAS 실행과 달리 Fast NAS 실행에는 학습 중 지표 범위를 보고할 기준 구성이 없으므로, 학습 중인 단일 슈퍼넷에 대해서만 지표를 보고합니다. 이러한 실행은 페어드 밴드 및 스냅샷 보기 대신 표준 학습 그래프를 표시합니다.
## 학습 후
모델 학습이 완료되면 학습 과정의 지표를 확인할 수 있습니다.
학습 후 모델의 학습 그래프를 찾으려면 먼저 사이드바에서 Models 탭을 클릭하세요:
그런 다음 [학습(또는 모델)](/models/ko/versions-trainings-and-models.md) 중 보고 싶은 학습 그래프를 클릭하세요.
페이지에서 Training Graphs 섹션이 보일 때까지 아래로 스크롤하세요:
## 모델 테스트하기
Test 페이지의 이미지에서 모델을 테스트할 수 있습니다. Workflows에서 애플리케이션 로직을 빌드하기 전에 모델 성능을 빠르게 확인하는 좋은 방법입니다.
Test 기능은 객체 탐지, 세그멘테이션, 분류, 키포인트 모델에서 사용할 수 있습니다. Test는 멀티모달 프로젝트에서는 지원되지 않습니다.
모델을 테스트하려면 오른쪽 사이드바에서 "Test"를 클릭하세요. 그러면 Test 페이지가 열립니다:
Test 페이지에는 모델에 실행해 볼 수 있도록 테스트 세트의 여러 이미지가 표시됩니다. 직접 이미지를 업로드하거나 동영상을 업로드할 수도 있고, 웹캠으로 시도할 수도 있습니다.
모델의 배포 안내를 찾으려면 Try on My Machine을 클릭하세요. Roboflow Workflows에 모델을 배포할 수도 있습니다.
## HTTP API
### 학습 결과 가져오기
데이터셋 버전의 학습 결과를 가져옵니다. NAS(Neural Architecture Search) 학습 실행의 경우, 모든 하위 모델, 해당 지표, 하드웨어별 권장 사항, 마이닝 프런티어 데이터를 포함한 번들 뷰를 반환합니다. 표준 fine-tune 실행의 경우에는 최소 요약을 반환합니다.
이 엔드포인트는 여러 읽기를 하나의 호출로 통합하므로, 모델 데이터를 별도로 가져올 필요가 없습니다.
#### Endpoint
```
GET /:workspace/:project/:version/training/results
```
**인증:** 다음이 포함된 API 키가 필요합니다 `version.read` 스코프.
#### 요청
```bash
curl "https://api.roboflow.com/{workspace}/{project}/{version}/training/results?api_key=$ROBOFLOW_API_KEY"
```
#### 응답(NAS 학습)
```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
}
]
}
```
#### 응답(Fine-tune 학습)
NAS가 아닌 학습 실행의 경우, 응답은 최소 번들입니다:
```json
{
"trainingId": "my-workspace/my-project/3",
"versionId": "3",
"status": "finished",
"jobType": "fine-tune",
"modelGroup": null,
"modelCount": 0,
"models": []
}
```
#### 응답 필드
| 필드 | 유형 | 설명 |
| ----------------------- | -------------- | ------------------------------------------ |
| `trainingId` | 문자열 | 다음의 복합 ID `workspace/project/versionId` 형식 |
| `status` | 문자열 | 학습 상태(예: `완료됨`, `running`, `failed`) |
| `작업 유형` | 문자열 | `nas` NAS 실행의 경우, `fine-tune` 표준 학습의 경우 |
| `modelType` | 문자열 | 학습에 사용된 모델 아키텍처 |
| `modelGroup` | string \| null | NAS 하위 모델의 그룹 식별자. `null` 비-NAS 실행의 경우 |
| `modelCount` | number | 학습 실행에서 생성된 모델 수 |
| `recommendedByHardware` | object | 하드웨어 대상에 대한 권장 모델 ID 매핑. NAS 전용 |
| `탐색` | object | 가능한 경우 마이닝 프런티어 및 스냅샷 데이터. NAS 전용 |
| `models` | array | 모델별 요약(아래 참조) |
**모델 요약 필드:**
| 필드 | 유형 | 설명 |
| ----------- | ---------- | ------------------------------------------------------------------------------------- |
| `modelId` | 문자열 | 공개 모델 식별자(URL 슬러그). 이는 다음에서 사용되는 동일한 값입니다 `POST /:workspace/models/:modelId/favorite` |
| `modelType` | 문자열 | 모델 아키텍처 변형 |
| `status` | 문자열 | 이 모델의 학습 상태 |
| `nasFamily` | 문자열 | `하위` 또는 `기준선`. NAS 전용 |
| `metrics` | 객체 \| null | 학습 지표(mAP, 지연 시간 등), 백분율로 변환됨. `null` 학습이 아직 진행 중인 경우 |
| `권장` | boolean | 존재하며 `true` 이 모델이 권장 선택인 경우 |
#### 오류
| 상태 | 설명 |
| --- | --------------------------- |
| 404 | 버전을 찾을 수 없음 |
| 401 | 잘못되었거나 누락된 API 키 |
| 403 | API 키에 `version.read` 권한 범위 |