Google I/O — это обертка! Наверстать упущенное в сеансах TensorFlow Просмотреть сеансы

Инструментарий карты модели

Библиотека Model Card Toolkit (MCT) оптимизирует и автоматизирует создание карт моделей , документов машинного обучения, которые обеспечивают контекст и прозрачность разработки и производительности модели. Интеграция Model Card Toolkit в конвейер машинного обучения позволит вам делиться метаданными и показателями вашей модели с исследователями, разработчиками, журналистами и т. д.

MCT хранит поля карточки модели, используя схему JSON . MCT может автоматически заполнять эти поля для пользователей TFX с помощью метаданных ML (MLMD) . Поля карточки модели также можно заполнить вручную с помощью Python API . Вот некоторые варианты использования карт-моделей:

  • Содействие обмену информацией между создателями моделей и разработчиками продуктов.
  • Информирование пользователей моделей ML для принятия более обоснованных решений о том, как их использовать (или как не использовать).
  • Предоставление типовой информации, необходимой для эффективного общественного надзора и подотчетности.
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()

Ресурсы