Halaman ini diterjemahkan oleh Cloud Translation API.
Switch to English

Memahami Model dengan Dasbor Alat Bagaimana-Jika

Alat Bagaimana-Jika

What-If Tool (WIT) menyediakan antarmuka yang mudah digunakan untuk memperluas pemahaman tentang klasifikasi kotak hitam dan regresi model ML. Dengan plugin, Anda dapat melakukan inferensi pada sejumlah besar contoh dan segera memvisualisasikan hasilnya dalam berbagai cara. Selain itu, contoh dapat diedit secara manual atau terprogram dan dijalankan kembali melalui model untuk melihat hasil perubahan. Ini berisi alat untuk menyelidiki kinerja model dan keadilan atas himpunan bagian dari dataset.

Tujuan dari alat ini adalah untuk memberi orang cara yang sederhana, intuitif, dan kuat untuk mengeksplorasi dan menyelidiki model ML terlatih melalui antarmuka visual yang sama sekali tidak memerlukan kode.

Alat ini dapat diakses melalui TensorBoard atau langsung di notebook Jupyter atau Colab. Untuk detail lebih mendalam, demo, penelusuran, dan informasi khusus untuk menggunakan WIT dalam mode notebook, lihat situs web Alat Alat Jika .

Persyaratan

Untuk menggunakan WIT di TensorBoard, dua hal diperlukan:

  • Model yang ingin Anda jelajahi harus dilayani menggunakan TensorFlow Melayani menggunakan API klasifikasi, regresi, atau prediksi.
  • Dataset yang akan disimpulkan oleh model harus dalam file TFRecord yang dapat diakses oleh server web TensorBoard.

Pemakaian

Saat membuka dasbor Alat Bagaimana-Jika di TensorBoard, Anda akan melihat layar pengaturan tempat Anda memberikan host dan port server model, nama model yang dilayani, jenis model, dan jalur ke file TFRecords ke beban. Setelah mengisi informasi ini dan mengklik "Terima", WIT akan memuat dataset dan menjalankan inferensi dengan model, menampilkan hasilnya.

Untuk detail tentang fitur berbeda dari WIT dan bagaimana mereka dapat membantu dalam model pemahaman dan investigasi keadilan, lihat panduan di situs web Alat Alat Jika .

Model dan dataset demo

Jika Anda ingin menguji WIT di TensorBoard dengan model pra-terlatih, Anda dapat mengunduh dan meng-unzip model dan dataset pra-terlatih dari https://storage.googleapis.com/what-if-tool-resources/uci-census -demo / uci-census-demo.zip Model ini adalah model klasifikasi biner yang menggunakan dataset Sensus UCI untuk memprediksi apakah seseorang menghasilkan lebih dari $ 50ka tahun. Dataset dan tugas prediksi ini sering digunakan dalam pemodelan pembelajaran mesin dan penelitian kewajaran.

Setel variabel lingkungan MODEL_PATH ke lokasi direktori model yang dihasilkan pada mesin Anda.

Instal buruh pelabuhan dan TensorFlow Melayani mengikuti dokumentasi resmi .

Sajikan model dengan menggunakan buruh pelabuhan melalui docker run -p 8500:8500 --mount type=bind,source=${MODEL_PATH},target=/models/uci_income -e MODEL_NAME=uci_income -t tensorflow/serving . Catatan Anda mungkin perlu menjalankan perintah dengan sudo tergantung pada pengaturan buruh pelabuhan Anda.

Sekarang luncurkan papan tensor dan gunakan drop-down dasbor untuk menavigasi ke Alat Bagaimana-Jika.

Pada layar pengaturan, atur adddress inferensi ke "localhost: 8500", nama model menjadi "uci_income" dan path ke contoh ke path lengkap ke file adult.tfrecord diunduh, lalu tekan "Terima".

Layar pengaturan untuk demo

Beberapa hal untuk dicoba dengan Alat Bagaimana-Jika di demo ini termasuk:

  • Mengedit satu titik data dan melihat perubahan yang dihasilkan dalam inferensi.
  • Menjelajahi hubungan antara fitur individu dalam dataset dan hasil inferensi model melalui plot ketergantungan parsial.
  • Mengiris dataset menjadi himpunan bagian dan membandingkan kinerja antara irisan.

Untuk melihat lebih mendalam fitur-fitur alat, lihat langkah -langkah Alat Bagaimana-Jika .

Perhatikan fitur ground truth dalam dataset yang coba diprediksi oleh model ini bernama "Target", jadi ketika menggunakan tab "Performance & Fairness", "Target" adalah apa yang ingin Anda tentukan dalam dropdown fitur ground truth.