上一篇我們已經為資料集做好資料前處理、資料擴增與資料集版本建立, 接下來我們要開始執行training.

請在eden_mask資料集中點選Versions頁籤, 然後點擊3.0.0版號的training圖示, 如下圖紅框所示

這時只要輸入Model Name就好, 而Select file欄位會自動帶入.
需要說明一下的是訓練的方法與資料切分的比例這二個欄位, 因為兩個選項會影響訓練的品質.

• 訓練的方法(Method fo Training):初次使用時建議先選用預設的 [小尺寸/低精準度] 方法，高精準度的模型通常需要數小時到數天的工作時間，而快速得到的低精準度模型也許已經足夠勝任辨識的工作。
• 資料切分的比例(Split Images):模型訓練是一個監督式的過程，系統會將資料分為訓練集 (考古題) 與測試集 (模擬考卷)，這個切分的比例可以按照你個人的喜好，然而同樣切分比例得到的訓練集也不會每次都完全相同，這是一個隨機抽樣的過程。理想的切分比例不用保留過多的測試集，10%~20% 應該是一個不錯的比例，但若你的資料集版本內有高達數十萬筆的資料，這時候你可以試著將測試集的比例再調低一點。

訓練方法我們選擇Faster detction & Small size, 就先以小尺寸進行說明 .而資料切分保留原本的設定, 也就是8:2.
接著點擊Create鍵

Nilvana根據資料集版本的統計量，預先為你設定了理想的最大訓練迭代次數，不需要調整太多的參數就可以完成訓練設定。然而，若你發現訓練過程中的曲線已經收斂到理想情況，你可以隨時中斷訓練工作，不用等到所有迭代都執行完畢。

當完成訓練之後, 可以在第三個功能(Models)中看到已產生的model, 如下圖.
我們再點mask_model進去看看.

下圖顯示的是訓練出來的model內容

我們先來評估/測試一下我們訓練出來的模型準不準, 請點擊下圖的Model Evaluation頁籤

在Model Evaluation頁籤後, 左側顯示訓練的記錄, 右側你可以上傳一張圖片試試看訓練出來的model準不準. 現在就讓我們來試試這個功能, 請點擊Select Image鍵

上傳一張圖片後，就可以確認辨識結果，如下圖中系統辨識有戴口罩的機率是97.8%

監督式學習的模型品質跟高品質的資料集有很大的關係，如果你覺得效果不盡理想，可以先試著增加有意義的訓練資料，再實驗使用不同的訓練方法與切分比例。

到此我們已經使用 Nilvana 的 Vision Studio 完成口罩辨識模型的訓練流程，選定資料集版本後，在 UI 上就能選擇訓練方式及圖片切分比例，對於模型訓練的任務來說更加輕鬆上手