บทนำ
เมื่อคุณปรับแต่งโมเดลของคุณในระหว่างการพัฒนา คุณต้องตรวจสอบว่าการเปลี่ยนแปลงของคุณกำลังปรับปรุงโมเดลของคุณหรือไม่ แค่ตรวจสอบความถูกต้องอาจไม่เพียงพอ ตัวอย่างเช่น หากคุณมีตัวแยกประเภทสำหรับปัญหาที่ 95% ของอินสแตนซ์ของคุณเป็นค่าบวก คุณอาจปรับปรุงความแม่นยำได้โดยเพียงแค่คาดการณ์ในเชิงบวกเสมอ แต่คุณจะไม่มีตัวแยกประเภทที่แข็งแกร่งมาก
ภาพรวม
เป้าหมายของ TensorFlow Model Analysis คือการจัดเตรียมกลไกสำหรับการประเมินแบบจำลองใน TFX การวิเคราะห์แบบจำลอง TensorFlow ช่วยให้คุณทำการประเมินแบบจำลองในไปป์ไลน์ TFX และดูเมตริกและพล็อตผลลัพธ์ในสมุดบันทึก Jupyter โดยเฉพาะอย่างยิ่ง มันสามารถให้:
- เมตริก ที่คำนวณจากชุดข้อมูลการฝึกอบรมทั้งหมดและการระงับ ตลอดจนการประเมินในวันถัดไป
- การติดตามตัวชี้วัดเมื่อเวลาผ่านไป
- ประสิทธิภาพคุณภาพของแบบจำลองบนส่วนต่างๆ ของฟีเจอร์
- การตรวจสอบความถูกต้อง ของแบบจำลองเพื่อให้มั่นใจว่าแบบจำลองนั้นสามารถรักษาประสิทธิภาพที่สม่ำเสมอ
ขั้นตอนถัดไป
ลองใช้บทช่วย สอน TFMA ของเรา
ตรวจสอบหน้า github ของเราสำหรับรายละเอียดเกี่ยวกับ ตัวชี้วัดและพล็อ ตที่รองรับและ การแสดงภาพ โน้ตบุ๊กที่เกี่ยวข้อง
ดูคำแนะนำในการ ติดตั้ง และ เริ่มต้นใช้ งานสำหรับข้อมูลและตัวอย่างเกี่ยวกับวิธีการ ตั้งค่า ในไปป์ไลน์แบบสแตนด์อโลน โปรดจำไว้ว่า TFMA ยังใช้ภายในองค์ประกอบ Evaluator ใน TFX ดังนั้นทรัพยากรเหล่านี้จะมีประโยชน์สำหรับการเริ่มต้นใน TFX เช่นกัน