Присоединяйтесь к TensorFlow на Google I/O, 11-12 мая Зарегистрируйтесь сейчас

Повышение качества модели с помощью анализа модели TensorFlow

Введение

По мере того, как вы настраиваете свою модель во время разработки, вам необходимо проверить, улучшают ли ваши изменения вашу модель. Одной проверки точности может быть недостаточно. Например, если у вас есть классификатор для проблемы, в которой 95% ваших экземпляров являются положительными, вы можете повысить точность, просто всегда предсказывая положительные результаты, но у вас не будет очень надежного классификатора.

Обзор

Цель анализа модели TensorFlow - предоставить механизм для оценки модели в TFX. TensorFlow Model Analysis позволяет выполнять оценку модели в конвейере TFX и просматривать полученные метрики и графики в записной книжке Jupyter. В частности, он может предоставить:

  • Метрики рассчитываются на все подготовки и оттягивание набора данных, а также оценках на следующий день
  • Отслеживание показателей с течением времени
  • Показатели качества модели на различных срезах функций
  • Модель проверка для обеспечения того , чтобы модель поддерживать последовательную работу

Следующие шаги

Попробуйте наш TFMA учебник .

Ознакомьтесь с GitHub страницу для получения дополнительной информации о поддерживаемых метрик и графиков и связанных с ними ноутбуков визуализаций .

Смотрите установки и get_started направляющие для информации и примеров о том , как получить установку в standlone трубопровода. Напомним , что TFMA также используется в Evaluator компонента в TFX , так что эти ресурсы будут полезны для начала работы в TFX , а также.