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。

# 存取評估指標 (主控台)
<a name="im-access-training-results"></a>

在測試期間，會根據測試資料集評估模型的效能。測試資料集中的標籤會被視為「Ground Truth」，因為它們代表了實際影像所代表的內容。在測試期間，模型會使用測試資料集進行預測。預測的標籤會和 Ground Truth 標籤進行比較，並可在主控台評估頁面中取得結果。

Amazon Rekognition 自訂標籤主控台會顯示整個模型的摘要指標，以及個別標籤的指標。主控台中可用的指標包括精確度取回、F1 分數、可信度和可信度閾值。如需詳細資訊，請參閱[改善訓練過的 Amazon Rekognition 自訂標籤模型](improving-model.md)。

您可以使用主控台以專注於個別指標。例如，若要調查標籤的精確度問題，您可以依標籤和*誤報*結果篩選訓練結果。如需詳細資訊，請參閱[用於評估模型的指標](im-metrics-use.md)。

訓練後，訓練資料集會變成唯讀。如果您決定提升模型，可以將訓練資料集複製到新的資料集。您可以使用資料集的複本來訓練新版本的模型。

在此步驟中，您會使用主控台來存取主控台中的訓練結果。

**存取評估指標 (主控台)**

1. 開啟 Amazon Rekognition 主控台：[https://console.aws.amazon.com/rekognition/](https://console.aws.amazon.com/rekognition/)。

1. 選擇**使用自訂標籤**。

1. 選擇**開始使用**。

1. 在左側導覽窗格中，選擇**專案**。

1. 在**專案**頁面中，選擇包含您要評估的訓練過模型的專案。

1. 在**模型**中，選擇您要評估的模型。

1. 選擇**評估**索引標籤，以查看評估結果。如需評估模型的資訊，請參閱 [改善訓練過的 Amazon Rekognition 自訂標籤模型](improving-model.md)。

1. 選擇**檢視測試結果**，以查看個別測試影像的結果。如需詳細資訊，請參閱[用於評估模型的指標](im-metrics-use.md)。模型評估摘要的下列螢幕擷取畫面顯示 6 個標籤的 F1 分數、平均精確度和整體召回，以及測試結果和效能指標。也會提供使用訓練模型的詳細資訊。  
![\[顯示 F1 分數、平均精確度和整體召回的模型評估摘要。\]](http://docs.aws.amazon.com/zh_tw/rekognition/latest/customlabels-dg/images/get-started-training-results.jpg)

1. 檢視測試結果後，請選擇專案名稱，以返回模型頁面。測試結果頁面顯示以後院和前院影像類別訓練之機器學習模型的預測標籤和可信度分數的影像。顯示兩個範例影像。  
![\[測試結果頁面顯示具有預測標籤和可信度分數的影像。\]](http://docs.aws.amazon.com/zh_tw/rekognition/latest/customlabels-dg/images/get-started-image-test-results.jpg)

1. 使用指標來評估模型的效能。如需詳細資訊，請參閱[改善 Amazon Rekognition 自訂標籤模型](tr-improve-model.md)。