> 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 모니터링하고 완료 후 생성된 모델을 평가할 수 있게 해줍니다. 표시되는 지표는 프로젝트 유형에 따라 다릅니다. 객체 탐지에서는 정밀도(precision), 재현율(recall), mAP가 표시되고, 분류에서는 정확도(accuracy)가 표시되며, 세그멘테이션 및 키포인트 모델에서는 mAP가 표시되고, 다중모달 모델에서는 퍼플렉서티(perplexity)가 표시됩니다. 또한 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. 모델 성능을 요약하는 지표도 볼 수 있습니다. 표시되는 지표는 모델 유형에 따라 달라집니다: * 객체 탐지 프로젝트에서는 모델의 정밀도, 재현율, mAP를 표시합니다. * 분류 프로젝트에서는 정확도를 표시합니다. * 세그멘테이션 및 키포인트 모델에서는 mAP 점수를 표시합니다. * 다중모달 모델에서는 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 [학습이 하나 이상 있으면](/models/ko/train/train-a-model.md#train-multiple-models-on-a-version)버전 페이지에서 학습 항목을 선택하여 그래프와 지표를 확인하세요. 그런 다음 모델이 학습되는 동안 학습 그래프가 실시간으로 표시됩니다:

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 쌍 차트 보기가 표시됩니다: * **학습 진행 밴드**: 학습 에폭 동안의 모델 성능 범위(상한 및 하한)를 그라디언트로 채운 밴드로 보여줍니다. 어떤 에폭이든 마우스를 올리면 해당 시점의 지표를 확인할 수 있습니다. 맥동하는 표시기는 실시간 학습 중 현재 학습 전면을 보여줍니다. * **에폭 스냅샷**: 각 에폭에서 평가된 아키텍처의 모델 지연 시간과 정확도 간의 트레이드오프를 보여주는 파레토 곡선입니다. 그라디언트 스펙트럼은 더 빠른(더 밝은) 모델에서 더 정확한(더 어두운) 모델로 이어집니다. 표준 및 Plus NAS 실행과 달리, Fast NAS 실행에는 학습 중에 지표 범위를 보고할 기준 구성이 없으므로, 학습 중인 단일 슈퍼넷에 대해서만 지표를 보고합니다. 이러한 실행은 쌍 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:
그다음 [학습(또는 모델)](/models/ko/versions-trainings-and-models.md) 의 학습 그래프를 보고 싶은 항목을 클릭하세요. 페이지에서 Training Graphs 섹션이 보일 때까지 아래로 스크롤하세요:
## 모델 테스트하기 Test 페이지의 이미지로 모델을 테스트할 수 있습니다. 이는 Workflows에서 애플리케이션 로직을 만들기 전에 모델의 성능을 빠르게 확인하는 좋은 방법입니다. Test 기능은 객체 탐지, 세그멘테이션, 분류, 키포인트 모델에서 사용할 수 있습니다. 다중모달 프로젝트에서는 Test를 지원하지 않습니다. 모델을 테스트하려면 오른쪽 사이드바에서 "Test"를 클릭하세요. 그러면 Test 페이지가 열립니다:
Test 페이지에는 테스트 세트의 여러 이미지가 표시되며, 여기서 선택해 모델에 실행할 수 있습니다. 자체 이미지와 비디오를 업로드하거나 웹캠으로 시험해 볼 수도 있습니다. 모델의 배포 방법을 찾으려면 Try on My Machine을 클릭하세요. 또한 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, 각 모델의 지표, 하드웨어별 추천, 그리고 마이닝 프런티어 데이터를 포함한 묶음 보기를 반환합니다. 표준 파인튜닝 실행의 경우에는 간단한 요약만 반환합니다. 이 엔드포인트는 여러 조회를 하나의 호출로 통합하므로, 모델 데이터를 별도로 가져올 필요가 없습니다. #### 엔드포인트 ``` GET /:workspace/:project/:version/training/results ``` **인증:** 다음이 있는 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(파인튜닝 학습) NAS가 아닌 학습 실행의 경우, 응답은 다음과 같이 최소한의 묶음으로 반환됩니다: ```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: `finished`, `running`, `failed`) | | `jobType` | 문자열 | `nas` NAS 실행의 경우, `fine-tune` 표준 학습의 경우 | | `modelType` | 문자열 | 학습에 사용된 모델 아키텍처 | | `modelGroup` | 문자열 \| null | NAS 하위 모델의 그룹 식별자. `null` NAS가 아닌 실행의 경우 | | `modelCount` | 숫자 | 학습 실행에서 생성된 모델 수 | | `recommendedByHardware` | 객체 | 각 하드웨어 대상에 대해 해당 대상에 추천되는 모델 ID를 매핑한 맵. NAS 전용 | | `mining` | 객체 | 사용 가능한 경우 마이닝 프런티어 및 스냅샷 데이터. NAS 전용 | | `models` | 배열 | 모델별 요약(아래 참조) | **모델 요약 필드:** | 필드 | 유형 | 설명 | | ------------- | ---------- | ----------------------------------------------------------------------------------------- | | `modelId` | 문자열 | 공개 모델 식별자(URL 슬러그)입니다. 이는 다음에서 사용되는 값과 동일합니다. `POST /:workspace/models/:modelId/favorite` | | `modelType` | 문자열 | 모델 아키텍처 변형 | | `status` | 문자열 | 이 모델의 학습 상태 | | `nasFamily` | 문자열 | `child` 또는 `baseline`. NAS 전용 | | `metrics` | 객체 \| null | 학습 지표(mAP, 지연 시간 등)는 백분율로 환산됩니다. `null` 학습이 아직 진행 중인 경우 | | `recommended` | 불리언 | 존재하고 `true` 이 모델이 추천 항목인 경우 | #### 오류 | 상태 | 설명 | | --- | ----------------------------- | | 404 | 버전을 찾을 수 없음 | | 401 | 유효하지 않거나 누락된 API 키 | | 403 | API 키에 `version.read` 스코프가 없음 | ## MCP 서버 AI 에이전트를 다음에 연결하면 [MCP 서버](https://docs.roboflow.com/agents/mcp-server) 그리고 다음 도구로 학습 결과를 확인할 수 있습니다:
도구설명
trainings_get학습의 상태, 생성된 모델, 지표를 가져옵니다.
trainings_list데이터셋 버전의 학습 실행 목록을 나열합니다.
models_list프로젝트의 학습된 모델 목록을 나열합니다.
models_get학습된 모델의 세부 정보를 가져옵니다.