开始模型训练

完成一定的数据标注工作后，我们有了样本数据量的支撑就可以进行模型的训练了。可以先不新建模型，而直接从想使用的数据集发起训练。在训练前可以勾选本次训练的目标标签，未选中的标签将不参与本次训练。

训练时不会使用未标注的图片，因此即使数据集未标注完也可以开始训练。用户选择的数据集中的数据会自动拆分为：训练集和验证集。因此每一个标签至少需要有10个标注并以进度条的形式显示，按照8:2的比例拆分为训练集和验证集，不足10个标注的标签不能进行训练。

一切就绪点击训练时需要给新的模型命名。

模型训练中

开始训练后，就可以在模型菜单的模型管理中看到训练中的新模型。由于即便基于分布式架构模型训练仍然需要消耗大量时间和资源，因此训练是一个异步的过程，训练结束后在列表中可以看到状态的改变，后续工业视觉智能产品也会加上短信及邮件提醒来方便用户。

模型训练结果

训练完成后，模型通过验证集验证的结果会进行量化展示，根据模型类型不同主要包括：精确率、召回率、损失、mAP等指标。并展示每一个标签经过验证集验证的精确率、召回率与阈值的关系。帮助用户更细致与直观地了解模型整体性能及在每一个标签上的表现。从而进一步决定该模型是满足使用要求，还是需要在默写标签的能力上进行继续优化。