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

Giới thiệu

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

Tổng quan

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 quy trình TFX, đồng thời xem các số liệu và sơ đồ kết quả trong sổ ghi chép Jupyter. Cụ thể, nó có thể cung cấp:

  • Số liệu được tính toán trên toàn bộ tập dữ liệu đào tạo và tập hợp lại, cũng như các đánh giá vào ngày hôm sau
  • Theo dõi số liệu theo thời gian
  • Hiệu suất chất lượng mô hình trên các lát tính năng khác nhau
  • Xác thực mô hình để đảm bảo mô hình đó duy trì hiệu suất ổn định

Bước tiếp theo

Hãy thử hướng dẫn TFMA của chúng tôi.

Hãy xem trang github của chúng tôi để biết chi tiết về các số liệu và sơ đồ được hỗ trợ cũng như trực quan hóa sổ ghi chép liên quan.

Xem hướng dẫn cài đặtbắt đầu để biết thông tin và ví dụ về cách thiết lập trong quy trình độc lập. Hãy nhớ lại rằng TFMA cũng được sử dụng trong thành phần Người đánh giá trong TFX, vì vậy những tài nguyên này cũng sẽ hữu ích khi bắt đầu sử dụng TFX.