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.