หน้านี้ได้รับการแปลโดย Cloud Translation API
Switch to English

รูปแบบการทำความเข้าใจกับแดชบอร์ดเครื่องมือ What-If

เครื่องมือ What-If

เครื่องมือ What-If (WIT) มอบอินเทอร์เฟซที่ใช้งานง่ายเพื่อเพิ่มความเข้าใจเกี่ยวกับการจำแนกประเภทกล่องดำและรุ่น ML ถดถอย ด้วยปลั๊กอินคุณสามารถทำการอนุมานบนชุดตัวอย่างขนาดใหญ่และแสดงผลลัพธ์ในทันทีได้หลายวิธี นอกจากนี้ตัวอย่างสามารถแก้ไขได้ด้วยตนเองหรือโดยทางโปรแกรมและเรียกใช้ผ่านโมเดลเพื่อดูผลลัพธ์ของการเปลี่ยนแปลง มันมีเครื่องมือสำหรับการตรวจสอบประสิทธิภาพของโมเดลและความเป็นธรรมมากกว่าชุดย่อยของชุดข้อมูล

จุดประสงค์ของเครื่องมือนี้คือให้วิธีที่ง่ายใช้งานง่ายและทรงพลังแก่ผู้คนในการสำรวจและตรวจสอบโมเดล ML ที่ผ่านการฝึกอบรมผ่านอินเทอร์เฟซภาพโดยไม่ต้องใช้รหัส

เครื่องมือนี้สามารถเข้าถึงได้ผ่าน TensorBoard หรือโดยตรงในสมุดบันทึก Jupyter หรือ Colab สำหรับรายละเอียดเชิงลึกการสาธิตคำแนะนำและข้อมูลเฉพาะเกี่ยวกับการใช้ WIT ในโหมดโน้ตบุ๊กให้ดู ที่เว็บไซต์เครื่องมือ What-If

ความต้องการ

ในการใช้ WIT ใน TensorBoard จำเป็นต้องมีสองสิ่ง:

  • โมเดลที่คุณต้องการสำรวจจะต้องแสดงโดยใช้ TensorFlow การแสดง โดยใช้การจำแนกประเภทการถดถอยหรือการทำนาย API
  • ชุดข้อมูลที่จะสรุปโดยโมเดลต้องอยู่ในไฟล์ TFRecord ที่เว็บเซิร์ฟเวอร์ TensorBoard สามารถเข้าถึงได้

การใช้

เมื่อเปิดแดชบอร์ด What-If Tool ใน TensorBoard คุณจะเห็นหน้าจอการตั้งค่าที่คุณให้โฮสต์และพอร์ตของเซิร์ฟเวอร์รุ่นชื่อของรุ่นที่ให้บริการประเภทของรุ่นและเส้นทางไปยังไฟล์ TFRecords เพื่อ ภาระ หลังจากกรอกข้อมูลนี้แล้วคลิก "ยอมรับ" ปัญญาจะโหลดชุดข้อมูลและเรียกใช้การอนุมานกับรูปแบบการแสดงผล

สำหรับรายละเอียดเกี่ยวกับคุณสมบัติต่าง ๆ ของ WIT และวิธีที่พวกเขาสามารถช่วยในการทำความเข้าใจรูปแบบและการตรวจสอบความเป็นธรรมดูคำแนะนำใน เว็บไซต์เครื่องมือ What-If

รูปแบบการสาธิตและชุดข้อมูล

หากคุณต้องการทดสอบ WIT ใน TensorBoard ด้วยโมเดลที่ผ่านการฝึกอบรมมาล่วงหน้าคุณสามารถดาวน์โหลดและคลายซิปโมเดลและชุดข้อมูลที่ผ่านการฝึกอบรมล่วงหน้าได้จาก https://storage.googleapis.com/what-if-tool-resources/uci-census -demo / uci-census-demo.zip ตัวแบบเป็นแบบจำลองการจำแนกเลขฐานสองที่ใช้ชุดข้อมูลการ สำรวจสำมะโนประชากร UCI เพื่อทำนายว่าคน ๆ หนึ่งมีรายได้มากกว่า $ 50ka ปีหรือไม่ ชุดข้อมูลและงานทำนายนี้มักใช้ในการสร้างแบบจำลองการเรียนรู้ด้วยเครื่องและการวิจัยความเป็นธรรม

ตั้งค่าตัวแปรสภาพแวดล้อม MODEL_PATH เป็นตำแหน่งของไดเรกทอรีรุ่นผลลัพธ์บนเครื่องของคุณ

ติดตั้ง docker และ TensorFlow Serving ตาม เอกสารทางการ

ให้บริการโมเดลโดยใช้นักเทียบท่าผ่าน docker run -p 8500:8500 --mount type=bind,source=${MODEL_PATH},target=/models/uci_income -e MODEL_NAME=uci_income -t tensorflow/serving หมายเหตุคุณอาจต้องเรียกใช้คำสั่งด้วย sudo ขึ้นอยู่กับการตั้งค่าตัวเทียบท่าของคุณ

ตอนนี้เปิดตัว tenorboard และใช้แดชบอร์ดดรอปดาวน์เพื่อนำทางไปยังเครื่องมือ What-If

บนหน้าจอตั้งค่าให้ตั้งค่า indress adddress เป็น "localhost: 8500", ชื่อรุ่นเป็น "uci_income" และพา ธ ไปยังตัวอย่างไปยังพา ธ แบบเต็มไปยังไฟล์ adult.tfrecord ดาวน์โหลดแล้วกด "ยอมรับ"

หน้าจอตั้งค่าสำหรับการสาธิต

บางสิ่งที่ควรลองด้วยเครื่องมือ What-If ในการสาธิตนี้ประกอบด้วย:

  • การแก้ไขดาต้าพอยน์เดียวและเห็นการเปลี่ยนแปลงที่เกิดขึ้นจากการอนุมาน
  • การสำรวจความสัมพันธ์ระหว่างคุณลักษณะแต่ละอย่างในชุดข้อมูลและผลลัพธ์การอนุมานของโมเดลผ่านพล็อตการพึ่งพาบางส่วน
  • การแบ่งชุดข้อมูลเป็นชุดย่อยและเปรียบเทียบประสิทธิภาพระหว่างสไลซ์

สำหรับคุณสมบัติเชิงลึกของเครื่องมือให้ตรวจสอบ คำแนะนำแบบ What-If Tool

หมายเหตุคุณลักษณะความจริงภาคพื้นดินในชุดข้อมูลที่โมเดลนี้พยายามคาดการณ์นั้นมีชื่อว่า "เป้าหมาย" ดังนั้นเมื่อใช้แท็บ "ประสิทธิภาพและความเป็นธรรม" แท็บ "เป้าหมาย" คือสิ่งที่คุณต้องการระบุในเมนูแบบเลื่อนลง