Melhorando a qualidade do modelo com a análise de modelo do TensorFlow

Mantenha tudo organizado com as coleções Salve e categorize o conteúdo com base nas suas preferências.

Introdução

Conforme você ajusta seu modelo durante o desenvolvimento, você precisa verificar se suas alterações estão melhorando seu modelo. Apenas verificar a precisão pode não ser suficiente. Por exemplo, se você tiver um classificador para um problema no qual 95% de suas instâncias são positivas, poderá melhorar a precisão simplesmente prevendo sempre positivo, mas não terá um classificador muito robusto.

Visão geral

O objetivo do TensorFlow Model Analysis é fornecer um mecanismo para avaliação de modelos no TFX. A análise de modelo do TensorFlow permite realizar avaliações de modelo no pipeline do TFX e visualizar métricas e gráficos resultantes em um notebook Jupyter. Especificamente, ele pode fornecer:

  • Métricas calculadas em todo o conjunto de dados de treinamento e validação, bem como avaliações do dia seguinte
  • Acompanhamento de métricas ao longo do tempo
  • Desempenho de qualidade do modelo em diferentes fatias de recursos
  • Validação do modelo para garantir que o modelo mantenha um desempenho consistente

Próximos passos

Experimente nosso tutorial TFMA .

Confira nossa página do github para obter detalhes sobre as métricas e gráficos compatíveis e as visualizações de notebook associadas.

Consulte os guias de instalação e introdução para obter informações e exemplos sobre como configurar um pipeline autônomo. Lembre-se de que o TFMA também é usado no componente Evaluator no TFX, portanto, esses recursos também serão úteis para começar no TFX.