ترجمت واجهة Cloud Translation API‏ هذه الصفحة.
Switch to English

فهم النموذج باستخدام لوحة معلومات أداة What-If

أداة What-If

توفر أداة What-If (WIT) واجهة سهلة الاستخدام لتوسيع فهم تصنيفات الصندوق الأسود ونماذج ML للانحدار. باستخدام المكون الإضافي ، يمكنك إجراء الاستدلال على مجموعة كبيرة من الأمثلة وتصور النتائج على الفور بطرق متنوعة. بالإضافة إلى ذلك ، يمكن تحرير الأمثلة يدويًا أو برمجيًا وإعادة تشغيلها من خلال النموذج من أجل رؤية نتائج التغييرات. أنه يحتوي على أدوات للتحقيق في أداء النموذج والإنصاف على مجموعات فرعية من مجموعة البيانات.

الغرض من الأداة هو إعطاء الناس طريقة بسيطة وبديهية وقوية لاستكشاف نماذج ML المدربة والتحقيق فيها من خلال واجهة مرئية بدون أي كود مطلوب على الإطلاق.

يمكن الوصول إلى الأداة من خلال TensorBoard أو مباشرة في دفتر ملاحظات Jupyter أو Colab. لمزيد من التفاصيل التفصيلية والعروض التوضيحية والإرشادات التفصيلية والمعلومات الخاصة باستخدام WIT في وضع الكمبيوتر المحمول ، راجع موقع ويب What-If Tool .

المتطلبات

لاستخدام WIT في TensorBoard ، هناك شيئان ضروريان:

  • يجب تقديم النموذج (النماذج) الذي ترغب في استكشافه باستخدام TensorFlow Serving باستخدام API أو التصنيف أو التراجع أو التنبؤ.
  • يجب أن تكون مجموعة البيانات التي يمكن الاستدلال عليها بواسطة النماذج في ملف TFRecord يمكن الوصول إليه بواسطة خادم الويب TensorBoard.

الاستخدام

عند فتح لوحة أدوات What-If Tool في TensorBoard ، سترى شاشة إعداد حيث تقدم المضيف والمنفذ لخادم النموذج واسم النموذج الذي يتم تقديمه ونوع النموذج والمسار إلى ملف TFRecords إلى حمل. بعد ملء هذه المعلومات والنقر فوق "قبول" ، سيقوم WIT بتحميل مجموعة البيانات وتشغيل الاستدلال مع النموذج وعرض النتائج.

للحصول على تفاصيل حول الميزات المختلفة لـ WIT وكيف يمكنها المساعدة في فهم النموذج واستقصاءات الإنصاف ، راجع الإرشادات التفصيلية على موقع ويب What-If Tool .

نموذج تجريبي ومجموعة بيانات

إذا كنت تريد اختبار WIT في TensorBoard باستخدام نموذج تم تدريبه مسبقًا ، فيمكنك تنزيل نموذج ومجموعة بيانات مدربة مسبقًا وفك ضغطها من https://storage.googleapis.com/what-if-tool-resources/uci-census -demo / uci-census-demo.zip النموذج هو نموذج تصنيف ثنائي يستخدم مجموعة بيانات تعداد UCI للتنبؤ بما إذا كان الشخص يكسب أكثر من 50 دولارًا سنويًا. غالبًا ما تُستخدم مهمة مجموعة البيانات والتنبؤ هذه في نمذجة تعلُّم الآلة وبحوث الإنصاف.

قم بتعيين متغير البيئة MODEL_PATH إلى موقع دليل الطراز الناتج على جهازك.

قم بتثبيت docker و TensorFlow Serving باتباع الوثائق الرسمية .

قدّم النموذج باستخدام عامل الميناء من خلال docker run -p 8500:8500 --mount type=bind,source=${MODEL_PATH},target=/models/uci_income -e MODEL_NAME=uci_income -t tensorflow/serving . لاحظ أنك قد تحتاج إلى تشغيل الأمر مع sudo بناءً على إعداد عامل الإرساء الخاص بك.

الآن قم بتشغيل tensorboard واستخدم القائمة المنسدلة للوحة المعلومات للانتقال إلى أداة What-If.

على شاشة الإعداد ، اضبط عنوان الاستدلال على "localhost: 8500" ، واسم النموذج على "uci_income" ومسار الأمثلة إلى المسار الكامل إلى ملف adult.tfrecord تنزيله ، ثم اضغط على "Accept".

شاشة الإعداد للعرض التوضيحي

تتضمن بعض الأشياء التي يمكنك تجربتها باستخدام أداة What-If في هذا العرض التوضيحي ما يلي:

  • تحرير نقطة بيانات واحدة ورؤية التغيير الناتج في الاستدلال.
  • استكشاف العلاقة بين السمات الفردية في مجموعة البيانات واستنتاجات النموذج من خلال مؤامرات الاعتماد الجزئي.
  • تشريح مجموعة البيانات إلى مجموعات فرعية ومقارنة الأداء بين الشرائح.

لإلقاء نظرة متعمقة على ميزات الأداة ، راجع التعليمات الإرشادية لأداة What-If .

لاحظ ميزة الحقيقة الأساسية في مجموعة البيانات التي يحاول هذا النموذج التنبؤ بها باسم "الهدف" ، لذلك عند استخدام علامة التبويب "الأداء والإنصاف" ، "الهدف" هو ما تريد تحديده في القائمة المنسدلة لميزة الحقيقة الأساسية.