本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

參考：訓練結果摘要檔案

訓練結果摘要會包含可用於評估模型的指標。摘要檔案也可用於在主控台訓練結果頁面中顯示指標。摘要檔案會在訓練後存放在 Amazon S3 儲存貯體中。若要取得摘要檔案，請致電 DescribeProjectVersion。如需範例程式碼，請參閱 存取摘要檔案和評估資訊清單快照集 (SDK)。

摘要檔案

以下JSON是摘要檔案的格式。

EvaluationDetails (第三條)

訓練任務的概觀資訊。這包括模型所屬ARN的專案 (ProjectVersionArn)、訓練完成的日期和時間、評估的模型版本 (EvaluationEndTimestamp)，以及訓練期間偵測到的標籤清單 (Labels)。 還包括用於培訓（NumberOfTrainingImages）和評估（NumberOfTestingImages）圖像的數量。

AggregatedEvaluationResults (第一部分)

與測試資料集搭配使用時，您可以使用 AggregatedEvaluationResults 來評估訓練過模型的整體效能。包含 Precision、Recall 和 F1Score 指標的彙總指標。針對物件偵測 (影像上的物件位置)，會傳回 AverageRecall (mAR) 和 AveragePrecision (mAP) 指標。針對分類 (影像中的物件類型)，會傳回混淆矩陣指標。

LabelEvaluationResults (第二部分)

您可以使用 labelEvaluationResults 來評估個別標籤的效能。標籤會按每個標籤的 F1 分數排序。包含的指標為 Precision、Recall、F1Score、和 Threshold (用於分類)。

檔案名稱採下列格式：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"
      },
    },
    ...
  ]
}