Улучшение качества модели с помощью анализа модели TensorFlow

Введение

Когда вы настраиваете свою модель во время разработки, вам необходимо проверять, улучшают ли ваши изменения вашу модель. Просто проверки точности может быть недостаточно. Например, если у вас есть классификатор для задачи, в которой 95% экземпляров являются положительными, вы можете повысить точность, просто всегда прогнозируя положительный результат, но у вас не будет очень надежного классификатора.

Обзор

Цель анализа модели TensorFlow — предоставить механизм оценки модели в TFX. Анализ моделей TensorFlow позволяет выполнять оценку модели в конвейере TFX и просматривать полученные показатели и графики в блокноте Jupyter. В частности, он может обеспечить:

  • Метрики , рассчитанные для всего набора данных обучения и удержания, а также оценки на следующий день
  • Отслеживание показателей во времени
  • Производительность качества модели на различных срезах функций
  • Проверка модели для обеспечения стабильной производительности этой модели

Следующие шаги

Попробуйте наш учебник по TFMA .

Посетите нашу страницу github для получения подробной информации о поддерживаемых метриках и графиках, а также соответствующих визуализациях записных книжек.

См. руководства по установке и началу работы для получения информации и примеров о том, как настроить автономный конвейер. Напомним, что TFMA также используется в компоненте Evaluator в TFX, поэтому эти ресурсы также будут полезны для начала работы с TFX.