इस पेज का अनुवाद Cloud Translation API से किया गया है.
Switch to English

क्या-क्या टूल डैशबोर्ड के साथ मॉडल अंडरस्टैंडिंग

क्या-अगर टूल

व्हाट्स-इफ टूल (डब्ल्यूआईटी) ब्लैक-बॉक्स वर्गीकरण और प्रतिगमन एमएल मॉडल की समझ का विस्तार करने के लिए एक आसान-से-उपयोग इंटरफ़ेस प्रदान करता है। प्लगइन के साथ, आप उदाहरणों के एक बड़े सेट पर अनुमान लगा सकते हैं और तुरंत विभिन्न तरीकों से परिणामों की कल्पना कर सकते हैं। इसके अतिरिक्त, उदाहरणों को मैन्युअल रूप से या प्रोग्रामेटिक रूप से संपादित किया जा सकता है और परिवर्तनों के परिणामों को देखने के लिए मॉडल के माध्यम से फिर से चलाया जा सकता है। इसमें किसी डेटासेट के सबसेट के मॉडल प्रदर्शन और निष्पक्षता की जांच करने के लिए टूलिंग शामिल है।

टूल का उद्देश्य लोगों को एक सरल इंटरफ़ेस, सहज और शक्तिशाली तरीके से प्रशिक्षित एमएल मॉडल का पता लगाने और जांच करने के लिए एक विज़ुअल इंटरफ़ेस के माध्यम से पूरी तरह से आवश्यक कोड के साथ देना है।

टूल को टेन्सरबोर्ड के माध्यम से या सीधे जुपिटर या कोलाब नोटबुक में एक्सेस किया जा सकता है। नोटबुक मोड में WIT का उपयोग करने के लिए विशिष्ट विवरण, डेमो, वॉकथ्रू और अधिक जानकारी के लिए, व्हाट्स-इफ़ टूल वेबसाइट देखें

आवश्यकताएँ

TensorBoard में WIT का उपयोग करने के लिए, दो चीजें आवश्यक हैं:

  • आप जिस मॉडल का पता लगाना चाहते हैं, उसे TensorFlow का उपयोग करके वर्गीकृत किया जाना चाहिए, वर्गीकरण, regress या API की भविष्यवाणी करते हुए।
  • मॉडल द्वारा अनुमानित किए जाने वाले डेटासेट TensorBoard वेब सर्वर द्वारा सुलभ TFRecord फ़ाइल में होना चाहिए।

प्रयोग

TensorBoard में व्हाट्स-इफ़ टूल डैशबोर्ड को खोलने पर, आपको एक सेटअप स्क्रीन दिखाई देगी जहाँ आप मॉडल सर्वर का होस्ट और पोर्ट प्रदान करते हैं, जिस मॉडल को सेवा दी जा रही है, मॉडल का प्रकार, और TFRecill फ़ाइल का पथ भार। इस जानकारी को भरने और "स्वीकार" पर क्लिक करने के बाद, WIT परिणामों को प्रदर्शित करते हुए, डेटासेट को लोड करेगा और मॉडल के साथ निष्कर्ष निकालेगा।

डब्लूआईटी की विभिन्न विशेषताओं पर विवरण और वे मॉडल समझ और निष्पक्षता जांच में कैसे सहायता कर सकते हैं, व्हाट-इफ टूल वेबसाइट पर वॉकथ्रू देखें।

डेमो मॉडल और डेटासेट

यदि आप एक पूर्व-प्रशिक्षित मॉडल के साथ टेन्सरबोर्ड में WIT का परीक्षण करना चाहते हैं, तो आप https://storage.googleapis.com/what-if-tool-resorts-uci-census से पूर्व-प्रशिक्षित मॉडल और डेटासेट डाउनलोड और खोल सकते हैं -demo / uci-census-demo.zip मॉडल एक द्विआधारी वर्गीकरण मॉडल है जो यूसीआई जनगणना डाटासेट का उपयोग करता है यह अनुमान लगाने के लिए कि क्या कोई व्यक्ति $ 50ka वर्ष से अधिक कमाता है। यह डेटासेट और भविष्यवाणी कार्य अक्सर मशीन लर्निंग मॉडलिंग और निष्पक्षता अनुसंधान में उपयोग किया जाता है।

पर्यावरण चर MODEL_PATH को अपनी मशीन पर परिणामी मॉडल निर्देशिका के स्थान पर सेट करें।

आधिकारिक दस्तावेज का पालन ​​करते हुए डॉकटर और टेन्सरफ्लो 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 माध्यम से मॉडल का उपयोग करें। ध्यान दें कि आपको अपने docker सेटअप के आधार पर sudo साथ कमांड को चलाने की आवश्यकता हो सकती है।

अब टेंसरबोर्ड लॉन्च करें और व्हाट्स-इफ़ टूल पर नेविगेट करने के लिए डैशबोर्ड ड्रॉप-डाउन का उपयोग करें।

सेटअप स्क्रीन पर, "लोकलहोस्ट: 8500" के लिए इनड्रेस ऐड्रेस सेट करें, "uci_income" के मॉडल का नाम और डाउनलोड किए गए adult.tfrecord फ़ाइल के पूर्ण पथ के उदाहरणों के लिए पथ, फिर "स्वीकार करें" दबाएं।

डेमो के लिए सेटअप स्क्रीन

इस डेमो पर व्हाट-इफ टूल के साथ प्रयास करने वाली कुछ चीजों में शामिल हैं:

  • एक एकल डाटापॉइंट का संपादन और परिणामी परिवर्तन को देखकर।
  • डेटासेट में व्यक्तिगत सुविधाओं और मॉडल के अनुमानों के बीच संबंधों को तलाशना आंशिक निर्भरता भूखंडों के माध्यम से होता है।
  • सब्मिट्स को सब्सेट में स्लाइस करना और स्लाइस के बीच के प्रदर्शन की तुलना करना।

टूल की विशेषताओं को गहराई से देखने के लिए, व्हाट-इफ़ टूल वॉकथ्रू देखें

डेटासेट में जमीनी सच्चाई को नोट करें 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 चाहते हैं।