به انجمن SIG TFX-Addons بپیوندید و به پیشرفت TFX کمک کنید!
این صفحه به‌وسیله ‏Cloud Translation API‏ ترجمه شده است.
Switch to English

بهبود کیفیت مدل با تجزیه و تحلیل مدل TensorFlow

معرفی

همانطور که مدل خود را در حین توسعه اصلاح می کنید ، باید بررسی کنید که آیا تغییرات شما باعث بهبود مدل شما می شود یا خیر. فقط بررسی دقت ممکن است کافی نباشد. به عنوان مثال ، اگر طبقه بندی کننده ای برای مسئله ای داشته باشید که 95٪ موارد شما مثبت باشد ، ممکن است بتوانید با پیش بینی مثبت همیشه ، دقت را بهبود ببخشید ، اما طبقه بندی کننده خیلی قوی نخواهید داشت.

بررسی اجمالی

هدف از تجزیه و تحلیل مدل TensorFlow ارائه مکانیزمی برای ارزیابی مدل در TFX است. تجزیه و تحلیل مدل TensorFlow به شما امکان می دهد ارزیابی مدل را در خط لوله TFX انجام دهید و معیارها و نمودارهای حاصل را در یک دفترچه یادداشت Jupyter مشاهده کنید. به طور خاص ، می تواند:

  • معیارها در کل آموزش و مجموعه داده های نگهداری و همچنین ارزیابی های روز بعد محاسبه شدند
  • ردیابی معیارها با گذشت زمان
  • عملکرد کیفیت مدل را در برش های مختلف ویژگی قرار دهید
  • اعتبارسنجی مدل برای اطمینان از حفظ عملکرد ثابت مدل

مراحل بعدی

آموزش TFMA ما را امتحان کنید.

برای جزئیات مربوط به معیارها و نمودارهای پشتیبانی شده و تجسم های مربوط به نوت بوک ، به صفحه github ما مراجعه کنید

برای اطلاعات و مثالهایی در مورد نحوه راه اندازی در خط لوله مستقل ، به راهنماهای نصب و get_started مراجعه کنید. به یاد بیاورید که TFMA همچنین در م withinلفه ارزیاب در TFX استفاده می شود بنابراین این منابع برای شروع کار در TFX نیز مفید خواهد بود.