Questa pagina è stata tradotta dall'API Cloud Translation.
Switch to English

La comprensione del modello con What-if strumento Dashboard

What-If strumento

What-if Tool (WIT) fornisce un'interfaccia facile da usare per l'espansione comprensione di classificazione black-box e regressione modelli ML. Con il plugin, è possibile eseguire l'inferenza su un grande insieme di esempi e immediatamente visualizzare i risultati in una varietà di modi. Inoltre, gli esempi possono essere modificati manualmente o automaticamente e rieseguire attraverso il modello per vedere i risultati delle modifiche. Contiene utensili per indagare le prestazioni del modello e l'equità su sottoinsiemi di un insieme di dati.

Lo scopo dello strumento è quello di dare alla gente un semplice ed intuitivo, e potente mezzo per esplorare e indagare i modelli ML formati attraverso un'interfaccia visuale senza alcun codice richiesto.

Lo strumento si può accedere attraverso TensorBoard o direttamente in un notebook o di Jupyter Colab. Per ulteriori dettagli in profondità, demo, procedure dettagliate e informazioni specifiche per utilizzare WIT in modalità notebook, vedere il sito What-If strumento .

Requisiti

Per utilizzare WIT in TensorBoard, sono necessarie due cose:

  • Il modello (s) che si desidera esplorare deve essere servita con tensorflow servizio utilizzando il classificare, regresso, o prevedere API.
  • Il set di dati per dedurre dai modelli devono essere in un file TFRecord accessibili dal server TensorBoard web.

uso

Quando si apre What-if strumento Dashboard in TensorBoard, si vedrà una schermata di configurazione in cui si forniscono l'host e la porta del server di modello, il nome del modello di essere servito, il tipo di modello, e il percorso del file TFRecords a caricare. Dopo aver riempito questa informazione fuori e facendo clic su "Accetto", WIT caricherà il set di dati ed eseguire l'inferenza con il modello, la visualizzazione dei risultati.

Per i dettagli sulle diverse caratteristiche di spirito e come possono aiutare nel modello di comprensione e indagini correttezza, vedere la procedura dettagliata sul sito What-If strumento .

modello di Demo e set di dati

Se si desidera testare WIT in TensorBoard con un modello pre-formati, è possibile scaricare e decomprimere un modello pre-addestrato e set di dati da https://storage.googleapis.com/what-if-tool-resources/uci-census -demo / uci-census-demo.zip il modello è un modello di classificazione binario che utilizza l' UCI censimento set di dati di prevedere se una persona guadagna più di $ 50kA anno. Questo compito set di dati e la previsione è spesso usato nella modellazione di apprendimento automatico e la ricerca di equità.

Impostare la variabile d'ambiente MODEL_PATH al percorso della directory modello risultante sulla vostra macchina.

Installare finestra mobile e tensorflow servizio seguendo la documentazione ufficiale .

Servite il modello utilizzando finestra mobile attraverso docker run -p 8500:8500 --mount type=bind,source=${MODEL_PATH},target=/models/uci_income -e MODEL_NAME=uci_income -t tensorflow/serving . Nota Potrebbe essere necessario eseguire il comando con sudo a seconda della configurazione finestra mobile.

Ora lanciare tensorboard e utilizzare il cruscotto a discesa per Apri lo strumento What-If.

Nella schermata di configurazione, impostare l'adddress deduzione a "localhost: 8500", il nome del modello di "uci_income" e il percorso per esempi per il percorso completo del scaricato adult.tfrecord file, poi premere "Accetta".

schermata di configurazione per la demo

Alcune cose da provare con What-if attrezzo a questa demo sono:

  • Modifica di un singolo punto dati e vedere il cambiamento conseguente inferenza.
  • Esplorando la relazione tra le caratteristiche individuali del file di dati e dei risultati di inferenza del modello attraverso trame dipendenza parziali.
  • Affettare l'insieme di dati in sottoinsiemi e confrontando le prestazioni tra le fette.

Per uno sguardo in profondità alle caratteristiche dello strumento, controllare il What-If strumento walkthrough .

Si noti la funzione di verità a terra nel set di dati che questo modello sta cercando di prevedere è denominato "Target", in modo da quando si utilizza il "Performance & Equità" scheda, "Target" è ciò che si vuole specificare nel funzione verità a terra a discesa.