Merken Sie den Termin vor! Google I / O kehrt vom 18. bis 20. Mai zurück Registrieren Sie sich jetzt
Diese Seite wurde von der Cloud Translation API übersetzt.
Switch to English

Modellkarten-Toolkit

Die Model Card Toolkit (MCT) -Bibliothek optimiert und automatisiert die Erstellung von Modellkarten , maschinellen Lerndokumenten, die Kontext und Transparenz für die Entwicklung und Leistung eines Modells bieten. Durch die Integration des Model Card Toolkit in Ihre ML-Pipeline können Sie die Metadaten und Metriken Ihres Modells mit Forschern, Entwicklern, Reportern und anderen Personen teilen.

MCT speichert Modellkartenfelder mithilfe eines JSON-Schemas . MCT kann diese Felder für TFX-Benutzer automatisch über ML-Metadaten (MLMD) ausfüllen . Modellkartenfelder können auch manuell über eine Python-API ausgefüllt werden . Einige Anwendungsfälle von Modellkarten sind:

  • Erleichterung des Informationsaustauschs zwischen Modellbauern und Produktentwicklern.
  • Informieren der Benutzer von ML-Modellen, um fundiertere Entscheidungen darüber zu treffen, wie sie verwendet werden sollen (oder wie sie nicht verwendet werden sollen).
  • Bereitstellung von Modellinformationen, die für eine wirksame öffentliche Aufsicht und Rechenschaftspflicht erforderlich sind.
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()

Ressourcen