What-If Aracı (WIT), kara kutu sınıflandırması ve regresyon ML modellerinin anlaşılmasını genişletmek için kullanımı kolay bir arayüz sağlar. Eklentiyle geniş bir örnek kümesi üzerinde çıkarım yapabilir ve sonuçları çeşitli şekillerde anında görselleştirebilirsiniz. Ek olarak örnekler manuel veya programlı olarak düzenlenebilir ve değişikliklerin sonuçlarını görmek için modelde yeniden çalıştırılabilir. Bir veri kümesinin alt kümeleri üzerinde model performansını ve adaleti araştırmak için araçlar içerir.
Aracın amacı, insanlara eğitimli makine öğrenimi modellerini görsel bir arayüz aracılığıyla kesinlikle hiçbir kod gerektirmeden keşfetmenin ve incelemenin basit, sezgisel ve güçlü bir yolunu sunmaktır.
Araca TensorBoard aracılığıyla veya doğrudan Jupyter veya Colab not defterinden erişilebilir. WIT'in dizüstü bilgisayar modunda kullanımına ilişkin daha ayrıntılı ayrıntılar, demolar, izlenecek yollar ve bilgiler için What-If Tool web sitesine bakın.
Gereksinimler
WIT'i TensorBoard'da kullanmak için iki şey gereklidir:
- Keşfetmek istediğiniz model(ler), sınıflandırma, regress 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 Tool kontrol panelini açtığınızda, model sunucusunun ana bilgisayarını ve bağlantı noktasını, hizmet verilen modelin adını, model tipini ve gönderilecek TFRecords dosyasının yolunu sağladığınız bir kurulum ekranı göreceksiniz. yük. Bu bilgileri doldurup "Kabul Et" seçeneğine tıkladıktan sonra WIT, veri kümesini yükleyecek ve modelle çıkarım yaparak sonuçları görüntüleyecektir.
WIT'in farklı özelliklerine ve bunların model anlayışına ve adalet araştırmalarına nasıl yardımcı olabileceğine ilişkin ayrıntılar için What-If Tool web sitesindeki izlenecek yollara bakın.
Demo modeli ve veri kümesi
TensorBoard'da WIT'i önceden eğitilmiş bir modelle test etmek istiyorsanız, https://storage.googleapis.com/what-if-tool-resources/uci-census adresinden önceden eğitilmiş bir model ve veri kümesini indirip sıkıştırılmış dosyasını açabilirsiniz. -demo/uci-census-demo.zip Model, bir kişinin yılda 50 bin dolardan fazla kazanıp kazanmadığını tahmin etmek için UCI Census veri setini kullanan ikili bir sınıflandırma modelidir. Bu veri kümesi ve tahmin görevi genellikle makine öğrenimi modellemesinde ve adalet araştırmalarında kullanılır.
MODEL_PATH ortam değişkenini makinenizde ortaya çıkan model dizininin konumuna ayarlayın.
Resmi belgeleri izleyerek docker ve TensorFlow Serving'i yükleyin.
docker run -p 8500:8500 --mount type=bind,source=${MODEL_PATH},target=/models/uci_income -e MODEL_NAME=uci_income -t tensorflow/serving docker kullanarak sunun. Docker kurulumunuza bağlı olarak komutu sudo ile çalıştırmanız gerekebileceğini unutmayın.
Şimdi tensorboard'u başlatın ve Durum Aracına gitmek için kontrol paneli açılır menüsünü kullanın.
Kurulum ekranında, çıkarım adresini "localhost:8500" olarak, model adını "uci_income" olarak ve örneklerin yolunu indirilen adult.tfrecord dosyasının tam yoluna ayarlayın ve ardından "Kabul Et" tuşuna basın.
Bu demodaki What-If Aracıyla deneyebileceğiniz bazı şeyler şunlardır:
- Tek bir veri noktasını düzenlemek ve sonuçta ortaya çıkan değişikliği çıkarımda görmek.
- Kısmi bağımlılık grafikleri aracılığıyla veri kümesindeki bireysel özellikler ile modelin çıkarım sonuçları arasındaki ilişkinin araştırılması.
- Veri kümesini alt kümelere dilimleme ve dilimler arasındaki performansı karşılaştırma.
Aracın özelliklerine derinlemesine bakmak için What-If Aracı'nın izlenecek yollarına göz atın.
Bu modelin tahmin etmeye çalıştığı veri kümesindeki temel gerçek özelliğinin "Hedef" olarak adlandırıldığını unutmayın, dolayısıyla "Performans ve Adalet" sekmesini kullanırken, temel gerçek özellik açılır menüsünde "Hedef" belirtmek isteyeceğiniz şeydir.