Trang này được dịch bởi Cloud Translation API.
Switch to English

Mô hình Hiểu với What-Nếu Dashboard Tool

What-Nếu Tool

Các What-Nếu Tool (WIT) cung cấp một dễ sử dụng giao diện để mở rộng sự hiểu biết về phân loại hộp đen và hồi quy mô hình ML. Với plugin, bạn có thể thực hiện kết luận trên một tập hợp lớn các ví dụ và ngay lập tức hình dung ra kết quả trong nhiều cách khác nhau. Thêm vào đó, ví dụ có thể được chỉnh sửa bằng tay hoặc theo trình tự và tái chạy qua các mô hình để xem kết quả của những thay đổi. Nó chứa dụng cụ để điều tra thực hiện mô hình và công bằng trên các tập con của một tập dữ liệu.

Mục đích của công cụ này là để cho mọi người một đơn giản, trực quan và cách mạnh mẽ để khám phá và điều tra mẫu ML đào tạo thông qua một giao diện trực quan hoàn toàn không có mã yêu cầu.

Công cụ này có thể được truy cập thông qua TensorBoard hoặc trực tiếp trong một máy tính xách tay Jupyter hoặc Colab. Để biết thêm thông chi tiết chuyên sâu, demo, Walkthroughs, và thông tin cụ thể để sử dụng WIT trong chế độ máy tính xách tay, xem trang web gì-Nếu Tool .

Yêu cầu

Để sử dụng WIT trong TensorBoard, có hai điều cần thiết:

  • Mô hình (s) bạn muốn khám phá phải được phân phối bằng TensorFlow Phục vụ bằng cách sử dụng phân loại, thoái, hoặc dự đoán API.
  • Bộ dữ liệu được suy ra bởi các mô hình phải nằm trong một file TFRecord thể truy cập bằng máy chủ TensorBoard web.

Sử dụng

Khi mở What-Nếu Công cụ bảng điều khiển trong TensorBoard, bạn sẽ thấy một màn hình thiết lập nơi bạn cung cấp host và cổng của máy chủ mô hình, tên của mô hình được cung cấp, các loại mô hình, và đường dẫn đến tập tin TFRecords để tải. Sau khi điền thông tin này ra và bấm vào "Chấp nhận", WIT sẽ nạp dữ liệu và chạy suy luận với các mô hình, hiển thị các kết quả.

Để biết chi tiết về các tính năng khác nhau của WIT và làm thế nào họ có thể hỗ trợ trong mô hình tìm hiểu và điều tra công bằng, xem hương trên What-Nếu Tool website .

mô hình Demo và tập dữ liệu

Nếu bạn muốn kiểm tra WIT trong TensorBoard với một mô hình pre-đào tạo, bạn có thể tải về và giải nén một mô hình pre-đào tạo và tập dữ liệu từ https://storage.googleapis.com/what-if-tool-resources/uci-census / -demo uci-census-demo.zip mô hình này là một mô hình phân loại nhị phân có sử dụng các điều tra dân số UCI bộ dữ liệu để dự đoán liệu một người kiếm được hơn $ 50ka năm. bộ dữ liệu và dự đoán công việc này thường được sử dụng trong mô hình học máy và nghiên cứu công bằng.

Đặt biến môi trường MODEL_PATH đến vị trí của thư mục mô hình kết quả trên máy tính của bạn.

Cài đặt Docker và TensorFlow Phục vụ sau khi tài liệu chính thức .

Phục vụ cho mô hình sử dụng Docker qua docker run -p 8500:8500 --mount type=bind,source=${MODEL_PATH},target=/models/uci_income -e MODEL_NAME=uci_income -t tensorflow/serving . Lưu ý: Bạn có thể cần phải chạy lệnh với sudo tùy thuộc vào thiết lập Docker của bạn.

Bây giờ khởi động tensorboard và sử dụng bảng điều khiển thả xuống để điều hướng đến Công cụ What-If.

Trên màn hình cài đặt, thiết lập các adddress suy luận để "localhost: 8500", tên mô hình để "uci_income" và đường dẫn đến ví dụ để đường dẫn đầy đủ đến tải adult.tfrecord tập tin, sau đó nhấn "Chấp nhận".

màn hình thiết lập cho bản demo

Một số điều cần thử với những gì-Nếu Tool trên bản demo này bao gồm:

  • Sửa đổi một datapoint đơn và nhìn thấy sự thay đổi dẫn đến suy luận.
  • Khám phá mối quan hệ giữa các tính năng cá nhân trong tập dữ liệu và kết quả suy luận của mô hình thông qua lô phụ thuộc một phần.
  • Slicing dataset thành các tập con và so sánh hiệu suất giữa lát.

Để có cái nhìn sâu rộng các tính năng công cụ, hãy tìm hiểu những gì-Nếu Tool hương .

Lưu ý tính năng thực địa trong tập dữ liệu rằng mô hình này đang cố gắng để dự đoán được đặt tên là "mục tiêu", vì vậy khi sử dụng "Hiệu suất & Công bằng" tab, "mục tiêu" là những gì bạn sẽ muốn chỉ định trong các tính năng thực địa thả xuống.