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.