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 .