با مجموعه‌ها، منظم بمانید ذخیره و دسته‌بندی محتوا براساس اولویت‌های شما.

جعبه ابزار کارت مدل

کتابخانه Model Card Toolkit (MCT) تولید کارت‌های مدل را ساده و خودکار می‌کند، اسناد یادگیری ماشینی که زمینه و شفافیت را در توسعه و عملکرد مدل فراهم می‌کنند. ادغام Model Card Toolkit در خط لوله ML به شما این امکان را می دهد که ابرداده ها و معیارهای مدل خود را با محققان، توسعه دهندگان، گزارشگران و غیره به اشتراک بگذارید.

MCT فیلدهای کارت مدل را با استفاده از طرح JSON ذخیره می کند. MCT می تواند به طور خودکار آن فیلدها را برای کاربران TFX از طریق ML Metadata (MLMD) پر کند. فیلدهای کارت مدل را نیز می توان به صورت دستی از طریق یک API پایتون پر کرد. برخی از موارد استفاده از کارت های مدل عبارتند از:

  • تسهیل تبادل اطلاعات بین سازندگان مدل و توسعه دهندگان محصول.
  • اطلاع رسانی به کاربران از مدل های ML برای تصمیم گیری آگاهانه تر در مورد نحوه استفاده از آنها (یا نحوه استفاده نکردن از آنها).
  • ارائه اطلاعات مدل مورد نیاز برای نظارت عمومی و پاسخگویی موثر.
import model_card_toolkit

# Initialize the Model Card Toolkit with a path to store generate assets
model_card_output_path = ...
mct = model_card_toolkit.ModelCardToolkit(model_card_output_path)

# Initialize the model_card_toolkit.ModelCard, which can be freely populated
model_card = mct.scaffold_assets()
model_card.model_details.name = 'My Model'

# Write the model card data to a JSON file
mct.update_model_card_json(model_card)

# Return the model card document as an HTML page
html = mct.export_format()

منابع