本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

参考：训练结果摘要文件

训练结果摘要包含可用于评估模型的指标。该摘要文件还用于在控制台训练结果页面中显示指标。训练结束后，该摘要文件存储在 Amazon S3 存储桶中。要获取摘要文件，请调用 DescribeProjectVersion。有关代码示例，请参阅 访问摘要文件和评估清单快照 (SDK)。

摘要文件

以下JSON是摘要文件的格式。

EvaluationDetails （第 3 节）

有关训练任务的概要信息。这包括模型所属ARN的项目 (ProjectVersionArn)、训练完成的日期和时间、评估的模型版本 (EvaluationEndTimestamp) 以及训练期间检测到的标签列表 (Labels)。 还包括用于训练 (NumberOfTrainingImages) 和评估 (NumberOfTestingImages) 的图像数量。

AggregatedEvaluationResults （第 1 节）

可以结合使用 AggregatedEvaluationResults 与测试数据集来评估经过训练的模型的整体性能。包括 Precision、Recall 和 F1Score 指标的汇总指标。对于物体检测（图像上的物体位置），将返回 AverageRecall (mAR) 和 AveragePrecision (mAP) 指标。对于分类（图像中物体的类型），将返回混淆矩阵指标。

LabelEvaluationResults （第 2 节）

可以使用 labelEvaluationResults 来评估单个标签的性能。这些标签按各标签的 F1 分数排序。包含的指标有 Precision、Recall、F1Score 和 Threshold（用于分类）。

文件名格式如下：EvaluationSummary-ProjectName-VersionName.json。

{
  "Version": "integer",
  // section-3
  "EvaluationDetails": {
    "ProjectVersionArn": "string",
    "EvaluationEndTimestamp": "string",
    "Labels": "[string]",
    "NumberOfTrainingImages": "int",
    "NumberOfTestingImages": "int"
  },
  // section-1
  "AggregatedEvaluationResults": {
    "Metrics": {
      "Precision": "float",
      "Recall": "float",
      "F1Score": "float",
      // The following 2 fields are only applicable to object detection
      "AveragePrecision": "float",
      "AverageRecall": "float",
      // The following field is only applicable to classification
      "ConfusionMatrix":[
        {
          "GroundTruthLabel": "string",
          "PredictedLabel": "string",
          "Value": "float"
        },
        ...
      ],
    }
  },
  // section-2
  "LabelEvaluationResults": [
    {
      "Label": "string",
      "NumberOfTestingImages", "int",
      "Metrics": {
        "Threshold": "float",
        "Precision": "float",
        "Recall": "float",
        "F1Score": "float"
      },
    },
    ...
  ]
}