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。

# 在模擬中評估您的 AWS DeepRacer 模型
<a name="deepracer-get-started-test-in-simulator"></a>

 在培訓任務完成後，建議您評估已培訓的模型，以評估其收斂行為。評估會透過在指定賽道上完成一定數量的競賽，以及讓代理程式根據已培訓模型推斷的可能動作在賽道上移動進行。績效指標會包含完成賽道的百分比，以及在每個賽道上從開始到結束 (或是脫離賽道) 所耗費的時間。

若要評估訓練過的模型，您可以使用 AWS DeepRacer 主控台。若要執行此作業，請遵循本主題中的步驟。

**在 AWS DeepRacer 主控台中評估訓練過的模型**

1. 開啟位於 https：//https://console.aws.amazon.com/deepracer 的 AWS DeepRacer 主控台。

1. 從主導覽窗格中，選擇 **Models (模型)**，然後從 **Models (模型)** 清單選擇您剛培訓的模型，以開啟模型的詳細資訊頁面。

1.  選取**評估**索引標籤。

1. 在**評估詳細資訊**中，選擇**開始評估**。  
![\[Evaluation details section showing training complete message and option to start evaluation.\]](http://docs.aws.amazon.com/zh_tw/deepracer/latest/developerguide/images/evaluation_details_start.png)

   您可以在您的培訓任務狀態變更為 **Completed (已完成)**，或是若培訓任務尚未完成，但模型的狀態已變更為 **Ready (準備就緒)** 時開始進行評估。

   當培訓任務完成時，模型即準備就緒。如果培訓尚未完成，如果其已培訓至失敗點，模型也可能會處於 **Ready (準備就緒)** 狀態。

1. 在**評估模型**頁面的**競賽類型**下，輸入評估的名稱，然後選擇您選擇訓練模型的競賽類型。

   針對評估，您可以選擇與培訓中所使用的競賽類型不同的競賽類型。例如，您可以訓練head-to-bot競賽的模型，然後針對時間試驗進行評估。一般而言，如果培訓競賽類型與評估競賽類型不同，模型必須要能夠理想地一般化。首次駕駛時，建議您針對評估和培訓使用相同的競賽類型。

1. 在**評估模型**頁面的**評估條件**下，選擇您要執行的試驗數量，然後選擇要評估模型的軌跡。  
![\[\]](http://docs.aws.amazon.com/zh_tw/deepracer/latest/developerguide/images/evaluation_select_track.png)

   一般而言，您會想要選擇和您在[訓練模型](deepracer-get-started-training-model.md#deepracer-get-started-train-model-proc)中所用賽道相同或類似的賽道。您可以選擇任何一條賽道來評估模型，但是與訓練所用賽道最類似的賽道預期可取得最佳效能。

   如要查看您的模型是否能理想地一般化，請選擇與培訓中所使用的評估賽道不同的評估賽道。

1. 在 **Evaluate model (評估模型)** 頁面上，於 **Virtual Race Submission (虛擬競賽提交)** 下方，針對您的第一個模型，關閉 **Submit model after evaluation (評估後提交模型)** 選項。稍後，如果您想要參加競賽活動，請開啟此選項。  
![\[Virtual race submission section with options for submitting a model for evaluation.\]](http://docs.aws.amazon.com/zh_tw/deepracer/latest/developerguide/images/deepracer-get-started-evaluate-virtual-race-submit.png)

1. 在 **Evaluate model (評估模型)** 頁面上，選擇 **Start evaluation (開始評估)** 來開始建立和初始化評估任務。

   此初始化程序約需 3 分鐘才能完成。

1. 隨著評估進行，評估結果，包括試驗時間和追蹤完成率，會在每次試驗之後顯示在**評估詳細資訊**下。在 **Simulation video stream (模擬影片串流)** 視窗中，您可以觀看代理程式在指定賽道上執行的狀況。

    您可以在評估任務完成前停止評估任務。若要停止評估任務，請選擇**評估卡右上角的停止****評估**，然後確認停止評估。

1. 評估任務完成後，請在 **Evaluation results (評估結果)** 下方檢查所有競賽的績效指標。隨附的模擬影片串流無法繼續使用。

   您可以在評估**選擇**器中找到模型評估的歷史記錄。若要檢視特定評估的詳細資訊，請從**評估選擇器**清單中選取評估，然後從評估選擇器卡的右上角選擇**載入**評估。 ****  
![\[\]](http://docs.aws.amazon.com/zh_tw/deepracer/latest/developerguide/images/evaluation_selector_complete.png)

   對於此特定評估任務，訓練模型會以顯著的偏離追蹤時間懲罰完成試驗。第一次執行時，這並不罕見。可能的原因包括培訓並未收斂且培訓需要更多時間、動作空間需要擴大以讓代理程式有更多空間進行反應，或是獎勵函數需要進行更新，以處理不同的環境。

    您可以透過複製先前培訓的模型、修改獎勵函數、調整超參數，然後逐一查看程序，直到總獎勵收斂且績效指標改善為止，來改善模型。如需如何改善培訓的詳細資訊，請參閱[訓練和評估 AWS DeepRacer 模型](create-deepracer-project.md)。

 若要將完整訓練的模型轉移到 AWS DeepRacer 裝置，以便在實體環境中駕駛，您需要下載模型成品。若要執行此作業，請選擇模型 details (詳細資訊) 頁面的 **Download model (下載模型)**。如果您的 AWS DeepRacer 實體裝置不支援新的感應器，且您的模型已使用新的感應器類型進行訓練，則在真實世界環境中在 AWS DeepRacer 裝置上使用模型時，您會收到錯誤訊息。如需使用實體裝置測試 AWS DeepRacer 模型的詳細資訊，請參閱[操作您的 AWS DeepRacer 車輛](operate-deepracer-vehicle.md)。

在與 AWS DeepRacer 聯盟競賽活動或 AWS DeepRacer 社群競賽中指定的賽道相同或類似的賽道上訓練模型後，您就可以在 AWS DeepRacer 主控台中將模型提交至虛擬競賽。若要這樣做，請遵循主導覽窗格上的**AWS 虛擬電路**或**社群競賽**。如需詳細資訊，請參閱[參加 AWS DeepRacer 競賽](deepracer-racing-series.md)。



若要訓練避免障礙物或head-to-bot競賽的模型，您可能需要將新的感應器新增至模型和實體裝置。如需詳細資訊，請參閱[了解 AWS DeepRacer 支援的賽車類型並啟用感應器](deepracer-choose-race-type.md)。