What-If Aracı (WIT), kara kutu sınıflandırması ve regresyon ML modellerinin anlaşılmasını genişletmek için kullanımı kolay bir arabirim sağlar. Eklenti ile çok sayıda örnek üzerinde çıkarım yapabilir ve sonuçları çeşitli şekillerde anında görselleştirebilirsiniz. Ek olarak, örnekler manuel veya programlı olarak düzenlenebilir ve değişikliklerin sonuçlarını görmek için model üzerinden yeniden çalıştırılabilir. Bir veri kümesinin alt kümeleri üzerinde model performansını ve adaletini araştırmak için araçlar içerir.
Aracın amacı, insanlara kesinlikle hiçbir kod gerektirmeden görsel bir arayüz aracılığıyla eğitimli makine öğrenimi modellerini keşfetmeleri ve incelemeleri için basit, sezgisel ve güçlü bir yol sağlamaktır.
Araca TensorBoard aracılığıyla veya doğrudan bir Jupyter veya Colab not defterinden erişilebilir. WIT'i dizüstü bilgisayar modunda kullanmaya özgü daha ayrıntılı ayrıntılar, tanıtımlar, izlenecek yollar ve bilgiler için What-If Aracı web sitesine bakın.
Gereksinimler
WIT'i TensorBoard'da kullanmak için iki şey gereklidir:
- Keşfetmek istediğiniz model(ler), sınıflandırma, gerileme veya tahmin API'si kullanılarak TensorFlow Sunumu kullanılarak sunulmalıdır.
- Modeller tarafından çıkarılacak veri kümesi, TensorBoard web sunucusu tarafından erişilebilen bir TFRecord dosyasında olmalıdır.
kullanım
TensorBoard'da What-If Aracı kontrol panelini açarken, model sunucusunun ana bilgisayarını ve bağlantı noktasını, sunulan modelin adını, model türünü ve TFRecords dosyasının yolunu sağladığınız bir kurulum ekranı göreceksiniz. yük. Bu bilgileri doldurduktan ve "Kabul Et" seçeneğine tıkladıktan sonra, WIT veri setini yükleyecek ve modelle çıkarım yaparak sonuçları görüntüleyecektir.
WIT'in farklı özellikleri ve bunların model anlayışı ve adalet araştırmalarına nasıl yardımcı olabileceği hakkında ayrıntılar için, What-If Aracı web sitesinde izlenecek yollara bakın.
Demo modeli ve veri kümesi
Önceden eğitilmiş bir modelle TensorBoard'da WIT'i test etmek istiyorsanız https://storage.googleapis.com/what-if-tool-resources/uci-census adresinden önceden eğitilmiş bir modeli ve veri kümesini indirip açabilirsiniz. -demo/uci-census-demo.zip Model, bir kişinin yılda 50 bin dolardan fazla kazanıp kazanmadığını tahmin etmek için UCI Nüfus Sayımı veri setini kullanan ikili bir sınıflandırma modelidir. Bu veri kümesi ve tahmin görevi, genellikle makine öğrenimi modellemesinde ve adalet araştırmasında kullanılır.
MODEL_PATH ortam değişkenini, makinenizde ortaya çıkan model dizininin konumuna ayarlayın.
Resmi belgeleri izleyerek docker ve TensorFlow Serving'i kurun.
docker run -p 8500:8500 --mount type=bind,source=${MODEL_PATH},target=/models/uci_income -e MODEL_NAME=uci_income -t tensorflow/serving Docker kurulumunuza bağlı olarak komutu sudo ile çalıştırmanız gerekebileceğini unutmayın.
Şimdi tensorboard'u başlatın ve What-If Aracına gitmek için pano açılır menüsünü kullanın.
Kurulum ekranında, çıkarım adresini "localhost:8500", model adını "uci_income" ve indirilen adult.tfrecord dosyasının tam yolunun örnek yolunu ayarlayın, ardından "Kabul Et"e basın.
Bu demoda What-If Aracı ile denenecek bazı şeyler şunlardır:
- Tek bir veri noktasını düzenleme ve sonuçta ortaya çıkan değişikliği çıkarımda görme.
- Veri kümesindeki bireysel özellikler ile modelin çıkarımı arasındaki ilişkinin kısmi bağımlılık çizimleri aracılığıyla keşfedilmesi.
- Veri kümesini alt kümelere dilimleme ve dilimler arasındaki performansı karşılaştırma.
Aracın özelliklerine derinlemesine bir bakış için What-If Aracı adım adım kılavuzunu inceleyin.
Bu modelin tahmin etmeye çalıştığı veri kümesindeki temel doğruluk özelliğinin "Hedef" olarak adlandırıldığına dikkat edin, bu nedenle "Performans ve Adalet" sekmesini kullanırken, "Hedef", temel doğruluk özelliği açılır menüsünde belirtmek isteyeceğiniz şeydir.