Bantuan melindungi Great Barrier Reef dengan TensorFlow pada Kaggle Bergabung Tantangan

Meningkatkan Kualitas Model Dengan Analisis Model TensorFlow

pengantar

Saat Anda menyesuaikan model selama pengembangan, Anda perlu memeriksa apakah perubahan Anda meningkatkan model Anda. Hanya memeriksa keakuratan mungkin tidak cukup. Misalnya, jika Anda memiliki pengklasifikasi untuk masalah di mana 95% instans Anda positif, Anda mungkin dapat meningkatkan keakuratan dengan selalu memprediksi positif, tetapi Anda tidak akan memiliki pengklasifikasi yang sangat kuat.

Gambaran

Tujuan Analisis Model TensorFlow adalah menyediakan mekanisme evaluasi model di TFX. Analisis Model TensorFlow memungkinkan Anda melakukan evaluasi model di pipeline TFX, dan melihat metrik dan plot yang dihasilkan di notebook Jupyter. Secara khusus, ini dapat memberikan:

  • Metrik dihitung pada seluruh set data pelatihan dan pisahan, serta evaluasi hari berikutnya
  • Melacak metrik dari waktu ke waktu
  • Model kinerja kualitas pada potongan fitur yang berbeda
  • Validasi model untuk memastikan model tersebut mempertahankan kinerja yang konsisten

Langkah selanjutnya

Coba tutorial TFMA kami.

Lihat halaman github kami untuk detail tentang metrik dan plot yang didukung dan visualisasi notebook terkait.

Lihat panduan install dan get_started untuk informasi dan contoh tentang cara mendapatkan penyiapan di pipeline mandiri. Ingat bahwa TFMA juga digunakan dalam Evaluator komponen dalam TFX sehingga sumber daya ini akan berguna untuk memulai di TFX juga.