TensorFlow 모델 분석으로 모델 품질 향상하기

소개

개발 중에 모델을 조정할 때 변경 사항으로 모델이 개선되는지 확인해야 합니다. 정확성을 확인하는 것만으로는 충분하지 않을 수 있습니다. 예를 들어, 인스턴스의 95%가 긍정인 문제에 대한 분류자가 있으면 항상 긍정을 예측하여 정확성을 향상할 수 있지만, 이것이 매우 강력한 분류자인 것은 아닙니다.

개요

TensorFlow 모델 분석의 목표는 TFX에서 모델 평가를 위한 메커니즘을 제공하는 것입니다. TensorFlow 모델 분석을 사용하면 TFX 파이프라인에서 모델 평가를 수행하고 Jupyter 노트북에서 결과 메트릭과 플롯을 볼 수 있습니다. 특히 다음을 제공할 수 있습니다.

  • 전체 훈련 및 홀드아웃 데이터세트와 익일 평가에서 계산된 메트릭
  • 시간 경과에 따른 메트릭 추적
  • 다양한 특성 조각에 대한 모델 품질 성능
  • 모델의 일관된 성능 유지를 위한 모델 검증

다음 단계

TFMA 튜토리얼을 사용하세요.

지원되는 메트릭과 플롯 및 관련 노트북 시각화에 대한 자세한 내용은 github 페이지를 확인하세요.

독립형 파이프라인에서 설정하는 방법에 대한 정보와 예제는 설치get_started 가이드를 참조하세요. TFMA는 TFX의 Evaluator 구성 요소 내에서도 사용되므로 이러한 리소스는 TFX를 시작하는 데에도 유용할 것입니다.