Mejora de la calidad del modelo con el análisis del modelo TensorFlow

Introducción

A medida que modifica su modelo durante el desarrollo, debe verificar si sus cambios están mejorando su modelo. Puede que simplemente comprobar la precisión no sea suficiente. Por ejemplo, si tiene un clasificador para un problema en el que el 95% de sus instancias son positivas, es posible que pueda mejorar la precisión simplemente prediciendo siempre lo positivo, pero no tendrá un clasificador muy sólido.

Descripción general

El objetivo del análisis de modelos de TensorFlow es proporcionar un mecanismo para la evaluación de modelos en TFX. El análisis de modelos de TensorFlow le permite realizar evaluaciones de modelos en la canalización TFX y ver las métricas y gráficos resultantes en un cuaderno de Jupyter. En concreto, puede proporcionar:

• Métricas calculadas en todo el conjunto de datos de capacitación y retención, así como evaluaciones del día siguiente
• Seguimiento de métricas a lo largo del tiempo
• Rendimiento de calidad del modelo en diferentes sectores de características
• Validación del modelo para garantizar que el modelo mantenga un rendimiento constante.

Próximos pasos

Pruebe nuestro tutorial TFMA .

Consulte nuestra página de GitHub para obtener detalles sobre las métricas y gráficos admitidos y las visualizaciones de cuadernos asociadas.

Consulte las guías de instalación y introducción para obtener información y ejemplos sobre cómo configurar una canalización independiente. Recuerde que TFMA también se usa dentro del componente Evaluador en TFX, por lo que estos recursos también serán útiles para comenzar en TFX.