Wstęp
Podczas dostrajania modelu podczas tworzenia, musisz sprawdzić, czy wprowadzone zmiany poprawiają Twój model. Samo sprawdzenie dokładności może nie wystarczyć. Na przykład, jeśli masz klasyfikator dla problemu, w którym 95% twoich wystąpień jest pozytywnych, możesz zwiększyć dokładność, po prostu zawsze przewidując pozytywne, ale nie będziesz mieć bardzo solidnego klasyfikatora.
Przegląd
Celem TensorFlow Model Analysis jest zapewnienie mechanizmu oceny modelu w TFX. Analiza modelu TensorFlow umożliwia wykonywanie ocen modeli w potoku TFX oraz przeglądanie wynikowych metryk i wykresów w notatniku Jupyter. W szczególności może zapewnić:
- Wskaźniki obliczane na podstawie całego zestawu danych dotyczących szkolenia i wstrzymania, a także ocen następnego dnia
- Śledzenie metryk w czasie
- Wydajność modelu w różnych wycinkach funkcji
- Walidacja modelu w celu zapewnienia, że model utrzymuje stałą wydajność
Następne kroki
Wypróbuj nasz samouczek TFMA .
Sprawdź naszą stronę github , aby uzyskać szczegółowe informacje na temat obsługiwanych metryk i wykresów oraz powiązanych wizualizacji notatników .
Zapoznaj się z przewodnikami dotyczącymi instalacji i wprowadzenia , aby uzyskać informacje i przykłady dotyczące konfigurowania autonomicznego potoku. Przypomnij sobie, że TFMA jest również używany w komponencie Evaluator w TFX, więc te zasoby będą również przydatne do rozpoczęcia pracy w TFX.