Halaman ini diterjemahkan oleh Cloud Translation API.
Switch to English

Model Understanding dengan What-If Tool Dashboard

Alat Bagaimana-Jika

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

Tujuan alat ini adalah untuk memberikan cara yang sederhana, intuitif, dan efektif kepada orang-orang untuk menjelajahi dan menyelidiki model ML terlatih melalui antarmuka visual yang sama sekali tidak memerlukan kode.

Alat tersebut dapat diakses melalui TensorBoard atau langsung di notebook Jupyter atau Colab. Untuk detail yang lebih mendalam, demo, penelusuran, dan informasi khusus untuk menggunakan WIT dalam mode buku catatan, lihat situs web What-If Tool .

Persyaratan

Untuk menggunakan WIT di TensorBoard, diperlukan dua hal:

  • Model yang ingin Anda jelajahi harus disajikan menggunakan Penyajian TensorFlow 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 What-If Tool di TensorBoard, Anda akan melihat layar penyiapan tempat Anda memberikan host dan port server model, nama model yang disajikan, 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 berbagai fitur WIT dan bagaimana mereka dapat membantu dalam pemahaman model dan investigasi keadilan, lihat panduannya di situs web What-If Tool .

Model demo dan set data

Jika Anda ingin menguji WIT di TensorBoard dengan model terlatih, Anda dapat mendownload dan mengekstrak model dan kumpulan data yang telah dilatih sebelumnya darihttps://storage.googleapis.com/what-if-tool-resources/uci-census -demo / uci-census-demo.zip Model ini adalah model klasifikasi biner yang menggunakanset data Sensus UCI untuk memprediksi apakah seseorang berpenghasilan lebih dari $ 50k setahun. Tugas set data dan prediksi ini sering digunakan dalam pemodelan pembelajaran mesin dan penelitian keadilan.

Setel variabel lingkungan MODEL_PATH ke lokasi direktori model yang dihasilkan di komputer Anda.

Instal buruh pelabuhan dan TensorFlow Serving mengikuti dokumentasi resmi .

Sajikan model 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 . Perhatikan bahwa Anda mungkin perlu menjalankan perintah dengan sudo tergantung pada pengaturan buruh pelabuhan Anda.

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

Pada layar penyiapan, setel alamat inferensi ke "localhost: 8500", nama model ke "uci_income" dan jalur ke contoh jalur lengkap ke file adult.tfrecord diunduh, lalu tekan "Terima".

Layar pengaturan untuk demo

Beberapa hal untuk dicoba dengan Alat Bagaimana-Jika pada demo ini meliputi:

  • 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 set data menjadi beberapa subset dan membandingkan performa antar irisan.

Untuk melihat fitur alat secara mendalam, lihat panduan Alat Bagaimana-Jika .

Perhatikan bahwa fitur kebenaran dasar dalam kumpulan data yang coba diprediksi oleh model ini dinamai "Target", jadi saat menggunakan tab "Performa & Keadilan", "Target" adalah yang ingin Anda tentukan di menu tarik-turun fitur kebenaran dasar.