操作场景
当您提交自动学习训练任务后，自动学习任务会进入模型训练阶段。在此您可以看到模型当前的训练状态、训练实时指标及训练日志，并查看模型在测试集上的测试结果，或上传其他测试集对模型进行测试及验证。n本文介绍图片分类场景的模型训练及评测过程。
前提条件
操作步骤
图像分类模型训练
1. 训练模型页面会显示训练已运行时长，预计运行时长，训练进度，模型优化进度等信息。如需要停止本次训练，请单击训练模型页面的停止训练按钮。
2. 如训练提示异常，可单击训练模型页面的异常按钮，重新启动训练任务。
3. 在训练过程中，您可查看实时指标（如Accuracy、Loss等）随模型训练次数的变化情况。
4. 在训练过程中，您可查看及检索训练日志，了解训练的最新进展，或查看任务异常的详细原因：
任务 ID：页面展示任务 ID，如遇到训练任务异常无法自行解决，请复制该 ID 并描述异常情况，选择提交工单。
节点：可查看全部或单个指定节点的日志信息。
时间范围：默认为最近时间，也可选择近1小时，近24小时，近7天，页面也提供时间选择控件供您选择指定的时间范围。
自动刷新：默认关闭，开启后会每15s进行一次刷新，获取最新的任务运行日志。
检索分析：提供便捷的日志检索功能，您可在此输入所需的关键词，快捷定位到所在的日志行。如输入“error”，快速定位任务异常原因，输入“epoch”快速了解每一轮的训练情况。
日志持久化存储：平台默认显示最近7天的运行日志，如您希望对日志进行持久化保存，可选择将日志投递至腾讯云CLS服务。日志投递界面如下，对于CLS的更多说明请参阅 CLS 日志服务使用文档及收费指南。
图像分类模型评测
模型评测提供基于测试集的模型表现。包含模型评测任务基本信息（如评测时长、评测图片数量、badcase数量），整体指标（可通过定义不同的全局阈值查看模型的精确率、召回率、F1-Score），PR曲线。
1. 查看模型评测的基本信息，包含测试集、评测时长、评测图片数量、badcase数量等。
如需查看测试数据集，请单击测试集对应的查看，单击后，可看到测试集的标签分布信息、各类别标签数量及标签占比。由于图片读取会产生COS请求及流量费用，因此，默认不展示测试集图片详情。如需展示图片详情，您可打开详情展示开关。
单击详情展示后，会为您展示测试集中所包含的图片详情信息。您可依次查看，或根据标注类别选择具体的标签进行查看。
对于模型在测试集上的 badcase，可单击基本信息中 badcase 数量对应的查看，进入到对应的页面进行查看。由于 badcase 访问需要产生对象存储 COS 的请求和流量费用，因此图片默认是不展示的。请将预览 badcase 图片开关打开后查看详情。
2. 查看模型整体指标，包含精确率、召回率、F1-Score。
精确率：表示预测结果为正类的样本中，真正的正样本比例。
召回率：实际图片类别被检测到的比率。
全局阈值：默认为80%，可按步长为5进行数值调整。通过调整阈值，可以权衡精确率和召回率，以判断模型是否符合实际业务场景的需求。
F1-Score：F1-Score通常用于概括分类模型的性能，它结合了精确率和召回率两个指标。计算公式为： F1 = （2 * 精确率 * 召回率）/ (精确率 + 召回率)。
3. 查看模型的PR曲线，横轴表示Recall（召回率），纵轴表示Precision（精确率），鼠标hover至曲线上可查看每个类别对应的精确率、召回率及阈值。
4. 在PR曲线下方提供每个类别对应的预测结果及指标。可通过调整右侧面板中的阈值，查看不同阈值对应的精度、召回率及F1-Score。同时在左侧表格中，可以单击分类错误的数量，查看每个类别下对应的badcase。
更新测试集
在模型评测页面选择测试集，并击重新评测按钮，可开始重新选择新的测试数据集对模型效果进行评测。
单击确定后，会提交评测任务，待评测完毕即可查看结果。
说明
如果提交任务时选择的测试数据集是内置的样例数据，则此处不可选择其他数据集进行模型测试。
下一步操作
如您认为模型符合需求，可进一步进行如下操作：
如果希望启动模型服务，进行服务测试或发布，请参考 模型发布