Esta página foi traduzida pela API Cloud Translation.
Switch to English

Melhorando a qualidade do modelo com a análise do modelo TensorFlow

Introdução

Conforme você ajusta seu modelo durante o desenvolvimento, você precisa verificar se suas mudanças estão melhorando seu modelo. Apenas verificar a precisão pode não ser suficiente. Por exemplo, se você tiver um classificador para um problema no qual 95% das suas instâncias são positivas, você pode melhorar a precisão simplesmente prevendo sempre positivo, mas não terá um classificador muito robusto.

Visão geral

O objetivo do TensorFlow Model Analysis é fornecer um mecanismo para avaliação de modelo em TFX. O TensorFlow Model Analysis permite que você execute avaliações de modelo no pipeline TFX e visualize métricas e gráficos resultantes em um notebook Jupyter. Especificamente, pode fornecer:

  • Métricas calculadas em todo o treinamento e conjunto de dados de validação, bem como avaliações do dia seguinte
  • Acompanhamento de métricas ao longo do tempo
  • Desempenho de qualidade do modelo em diferentes fatias de recursos
  • Validação do modelo para garantir que o modelo mantenha um desempenho consistente

Próximos passos

Experimente nosso tutorial TFMA .

Confira nossa página do github para obter detalhes sobre as métricas e gráficos suportados e visualizações de notebook associadas.

Consulte os guias de instalação e get_started para obter informações e exemplos sobre como fazer a configuração em um pipeline independente. Lembre-se de que o TFMA também é usado no componente Avaliador do TFX, portanto, esses recursos também serão úteis para começar no TFX.