व्हाट-इफ टूल (डब्ल्यूआईटी) ब्लैक-बॉक्स वर्गीकरण और प्रतिगमन एमएल मॉडल की समझ बढ़ाने के लिए उपयोग में आसान इंटरफ़ेस प्रदान करता है। प्लगइन के साथ, आप उदाहरणों के एक बड़े सेट पर अनुमान लगा सकते हैं और विभिन्न तरीकों से परिणामों की तुरंत कल्पना कर सकते हैं। इसके अतिरिक्त, परिवर्तनों के परिणाम देखने के लिए उदाहरणों को मैन्युअल रूप से या प्रोग्रामेटिक रूप से संपादित किया जा सकता है और मॉडल के माध्यम से फिर से चलाया जा सकता है। इसमें डेटासेट के सबसेट पर मॉडल के प्रदर्शन और निष्पक्षता की जांच के लिए टूलिंग शामिल है।
टूल का उद्देश्य लोगों को बिना किसी कोड की आवश्यकता वाले विज़ुअल इंटरफ़ेस के माध्यम से प्रशिक्षित एमएल मॉडल का पता लगाने और जांच करने का एक सरल, सहज और शक्तिशाली तरीका देना है।
टूल को TensorBoard या सीधे Jupyter या Colab नोटबुक के माध्यम से एक्सेस किया जा सकता है। अधिक गहन विवरण, डेमो, पूर्वाभ्यास, और नोटबुक मोड में WIT का उपयोग करने के लिए विशिष्ट जानकारी के लिए, व्हाट-इफ टूल वेबसाइट देखें।
आवश्यकताएं
TensorBoard में WIT का उपयोग करने के लिए दो चीज़ें आवश्यक हैं:
- आप जिस मॉडल (मॉडलों) का पता लगाना चाहते हैं, उन्हें क्लासिफाई, रिग्रेस या प्रेडिक्ट एपीआई का उपयोग करके TensorFlow सर्विंग का उपयोग करके सर्व किया जाना चाहिए।
- मॉडल द्वारा अनुमान लगाया जाने वाला डेटासेट एक TFRecord फ़ाइल में होना चाहिए जिसे TensorBoard वेब सर्वर द्वारा एक्सेस किया जा सके।
प्रयोग
TensorBoard में व्हाट-इफ टूल डैशबोर्ड खोलते समय, आपको एक सेटअप स्क्रीन दिखाई देगी जहां आप मॉडल सर्वर का होस्ट और पोर्ट प्रदान करते हैं, प्रस्तुत किए जा रहे मॉडल का नाम, मॉडल का प्रकार और TFRecords फ़ाइल का पथ भार। इस जानकारी को भरने और "स्वीकार करें" पर क्लिक करने के बाद, WIT डेटासेट को लोड करेगा और परिणाम प्रदर्शित करते हुए मॉडल के साथ अनुमान लगाएगा।
WIT की विभिन्न विशेषताओं के विवरण के लिए और वे मॉडल की समझ और निष्पक्षता जांच में कैसे सहायता कर सकते हैं, व्हाट-इफ टूल वेबसाइट पर वॉकथ्रू देखें।
डेमो मॉडल और डेटासेट
यदि आप पूर्व-प्रशिक्षित मॉडल के साथ TensorBoard में WIT का परीक्षण करना चाहते हैं, तो आप https://storage.googleapis.com/what-if-tool-resources/uci-census से पूर्व-प्रशिक्षित मॉडल और डेटासेट को डाउनलोड और अनज़िप कर सकते हैं। -डेमो/यूसीआई-सेंसस-डेमो.ज़िप मॉडल एक बाइनरी वर्गीकरण मॉडल है जो यूसीआई जनगणना डेटासेट का उपयोग यह भविष्यवाणी करने के लिए करता है कि कोई व्यक्ति $50ka वर्ष से अधिक कमाता है या नहीं। इस डेटासेट और भविष्यवाणी कार्य का उपयोग अक्सर मशीन लर्निंग मॉडलिंग और फेयरनेस रिसर्च में किया जाता है।
पर्यावरण चर MODEL_PATH को अपनी मशीन पर परिणामी मॉडल निर्देशिका के स्थान पर सेट करें।
आधिकारिक दस्तावेज़ीकरण के बाद docker और TensorFlow सर्विंग स्थापित करें।
docker run -p 8500:8500 --mount type=bind,source=${MODEL_PATH},target=/models/uci_income -e MODEL_NAME=uci_income -t tensorflow/serving ध्यान दें कि आपको अपने डॉकर सेटअप के आधार पर sudo के साथ कमांड चलाने की आवश्यकता हो सकती है।
अब टेंसरबोर्ड लॉन्च करें और व्हाट-इफ टूल पर नेविगेट करने के लिए डैशबोर्ड ड्रॉप-डाउन का उपयोग करें।
सेटअप स्क्रीन पर, निष्कर्ष पता को "लोकलहोस्ट: 8500" पर सेट करें, मॉडल का नाम "uci_income" और उदाहरण के लिए पथ को डाउनलोड की गई adult.tfrecord फ़ाइल के पूर्ण पथ पर सेट करें, फिर "स्वीकार करें" दबाएं।
इस डेमो में व्हाट-इफ टूल के साथ आजमाई जाने वाली कुछ चीजों में शामिल हैं:
- एकल डेटा बिंदु को संपादित करना और परिणामी परिवर्तन को अनुमान में देखना।
- आंशिक निर्भरता भूखंडों के माध्यम से डेटासेट में अलग-अलग विशेषताओं और मॉडल के अनुमान के बीच संबंध की खोज करना।
- डेटासेट को सबसेट में विभाजित करना और स्लाइस के बीच प्रदर्शन की तुलना करना।
टूल की विशेषताओं को गहराई से देखने के लिए, व्हाट-इफ टूल वॉकथ्रू देखें।
ध्यान दें कि डेटासेट में जमीनी सच्चाई की विशेषता है कि यह मॉडल भविष्यवाणी करने की कोशिश कर रहा है, जिसका नाम "लक्ष्य" है, इसलिए "प्रदर्शन और निष्पक्षता" टैब का उपयोग करते समय, "लक्ष्य" वह है जिसे आप जमीनी सच्चाई सुविधा ड्रॉपडाउन में निर्दिष्ट करना चाहेंगे।