Проверка результатов
После запуска и завершения процесса обучения отобразится отчёт, где показывается текущий статус, ключевые метрики, прогресс и логи.
Статус и итоговая точность
Вверху виден статус процесса и рядом итоговая точность обучения (итоговая метрика модели на тестовых данных после обучения).
Прогресс обучения
В панели Прогресс обучения отображаются последовательные шаги:
- Подготовка, загрузка и распаковка датасетов и шаблона модели.
- Запуск процесса обучения.
Иконки подсказывают, какой шаг завершён.
Дополнительно доступны кнопки:
- Перезапустить обучение — при необходимости.
- Удалить обучение — чтобы очистить результаты.
Основные параметры обучения
Ключевые настройки, с которых стартовал процесс.
Учебный датасет
Параметры, описывающие датасет:
- Количество картинок.
- Кол-во полей в схеме разметки.
- Размер.
- Дата последнего изменения.
Мониторинг обучения
Мониторинг обучения — блок на странице обучения модели, где в виде графика отображаются ключевые метрики (точность, ошибки и скорость обучения):
Этот график помогает отслеживать прогресс обучения и анализировать качество модели.
Подробности см. странице Мониторинг обучения: график метрик .
Логи обучения
Логи — это текстовые записи, которые фиксируют все важные действия и события во время обучения модели.
Например, логи по
- Запуску приложения (количество workers, устройство).
- Аугментации данных (сколько добавлено файлов).
- Конвертации в формат COCO, подготовки датасета и т. д.
Доступны кнопки Скопировать или Скачать лог-файл для дальнейшего анализа.
Факторы, влияющие на точность обучения
- Единообразие разметки — поля должны выделяться по одному принципу. Нельзя начинать разметку одним способом и завершать другим.
- Сбалансированность датасета — количество примеров по различным полям должно быть сопоставимым.
- Объём датасета — чем больше данных, тем стабильнее результат.
- Качество изображений — должны соответствовать установленным требованиям (см. раздел Требования к изображениям ).
- Количество итераций обучения.
- Начальный коэффициент обучения (learning rate ).
- Корректность выделения полей — поля должны быть размечены строго по правилам (см. раздел Рекомендации по разметке данных ).
Что дальше
Следующий шаг — Мониторинг обучения: график метрик .