Bergabunglah dengan kami di DevFest untuk Ukraina 14-15 Juni Daftar Online sekarang

Meningkatkan Kualitas Model Dengan Analisis Model TensorFlow

pengantar

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

Ringkasan

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

  • Metrik dihitung seluruh pelatihan dan dataset ketidaksepakatan, serta evaluasi hari berikutnya
  • Melacak metrik dari waktu ke waktu
  • Performa kualitas model pada irisan fitur yang berbeda
  • Validasi Model untuk memastikan bahwa model mempertahankan kinerja yang konsisten

Langkah selanjutnya

Coba kita tutorial TFMA .

Lihat github halaman untuk rincian tentang didukung metrik dan plot dan terkait notebook visualisasi .

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