Tham gia cùng chúng tôi tại DevFest cho Ukraine Ngày 14-15 tháng 6 Trực tuyến Đăng ký ngay

Cải thiện chất lượng mô hình với phân tích mô hình TensorFlow

Giới thiệu

Khi bạn chỉnh sửa mô hình của mình trong quá trình phát triển, bạn cần kiểm tra xem các thay đổi của bạn có đang cải thiện mô hình của bạn hay không. Chỉ kiểm tra độ chính xác có thể là không đủ. Ví dụ: nếu bạn có bộ phân loại cho một vấn đề trong đó 95% trường hợp của bạn là tích cực, bạn có thể cải thiện độ chính xác bằng cách luôn dự đoán là tích cực, nhưng bạn sẽ không có bộ phân loại mạnh mẽ.

Tổng quat

Mục tiêu của Phân tích mô hình TensorFlow là cung cấp cơ chế đánh giá mô hình trong TFX. Phân tích mô hình TensorFlow cho phép bạn thực hiện đánh giá mô hình trong đường dẫn TFX, đồng thời xem các chỉ số và biểu đồ kết quả trong sổ ghi chép Jupyter. Cụ thể, nó có thể cung cấp:

  • Metrics tính trên toàn bộ đào tạo và tập dữ liệu người hết, cũng như đánh giá tiếp theo ngày
  • Theo dõi số liệu theo thời gian
  • Hiệu suất chất lượng mô hình trên các lát tính năng khác nhau
  • Xác nhận mô hình đảm bảo rằng mô hình của duy trì thực hiện nhất quán

Bước tiếp theo

Cố gắng của chúng tôi hướng dẫn TFMA .

Kiểm tra của chúng tôi github trang để biết chi tiết về hỗ trợ số liệu và lô và máy tính xách tay đi kèm visualizations .

Xem cài đặtget_started hướng dẫn cung cấp thông tin và các ví dụ về cách để có được thiết lập trong một đường ống standlone. Nhớ lại rằng TFMA cũng được sử dụng trong Evaluator thành phần trong TFX do đó, những nguồn lực sẽ hữu ích cho việc bắt đầu trong TFX là tốt.