مقدمة
أثناء قيامك بتعديل نموذجك أثناء التطوير ، تحتاج إلى التحقق مما إذا كانت تغييراتك تعمل على تحسين النموذج الخاص بك. مجرد التحقق من الدقة قد لا يكون كافيا. على سبيل المثال ، إذا كان لديك مصنف لمشكلة يكون 95٪ من مثيلاتك فيها موجبة ، فقد تتمكن من تحسين الدقة ببساطة عن طريق التنبؤ بالإيجابية دائمًا ، ولكن لن يكون لديك مصنف قوي للغاية.
ملخص
الهدف من تحليل نموذج TensorFlow هو توفير آلية لتقييم النموذج في TFX. يسمح لك تحليل نموذج TensorFlow بإجراء تقييمات النموذج في خط أنابيب TFX ، وعرض المقاييس والمخططات الناتجة في دفتر Jupyter. على وجه التحديد ، يمكن أن توفر:
- المقاييس المحسوبة على مجموعة بيانات التدريب والانتظار بالكامل ، بالإضافة إلى تقييمات اليوم التالي
- مقاييس التتبع بمرور الوقت
- أداء جودة النموذج على شرائح الميزات المختلفة
- التحقق من صحة النموذج لضمان الحفاظ على أداء ثابت
الخطوات التالية
جرب برنامج TFMA التعليمي الخاص بنا.
تحقق من صفحة github الخاصة بنا للحصول على تفاصيل حول المقاييس والمؤامرات المدعومة وتصورات دفتر الملاحظات المرتبطة.
راجع أدلة التثبيت والبدء للحصول على معلومات وأمثلة حول كيفية الإعداد في خط أنابيب مستقل. تذكر أن TFMA تُستخدم أيضًا داخل مكون المقيم في TFX ، لذلك ستكون هذه الموارد مفيدة للبدء في TFX أيضًا.