Trang này được dịch bởi Cloud Translation API.
Switch to English

Cải thiện chất lượng mô hình với phân tích mô hình TensorFlow

Giới thiệu

Khi bạn chỉnh sửa mô hình của mình trong quá trình phát triển, bạn cần kiểm tra xem các thay đổi của bạn có đang cải thiện mô hình của bạn hay không. Chỉ kiểm tra độ chính xác có thể là không đủ. Ví dụ: nếu bạn có bộ phân loại cho một vấn đề trong đó 95% trường hợp của bạn là tích cực, bạn có thể cải thiện độ chính xác bằng cách đơn giản là luôn dự đoán tích cực, nhưng bạn sẽ không có bộ phân loại mạnh mẽ.

Tổng quat

Mục tiêu của Phân tích mô hình TensorFlow là cung cấp cơ chế đánh giá mô hình trong TFX. Phân tích mô hình TensorFlow cho phép bạn thực hiện đánh giá mô hình trong đường ống TFX và xem các chỉ số và biểu đồ kết quả trong sổ ghi chép Jupyter. Cụ thể, nó có thể cung cấp:

  • Các chỉ số được tính toán trên toàn bộ tập dữ liệu đào tạo và lưu giữ, cũng như các đánh giá vào ngày hôm sau
  • Theo dõi số liệu theo thời gian
  • Hiệu suất chất lượng mô hình trên các lát tính năng khác nhau
  • Xác nhận mô hình để đảm bảo rằng mô hình duy trì hiệu suất nhất quán

Bước tiếp theo

Hãy thử hướng dẫn TFMA của chúng tôi.

Kiểm tra trang github của chúng tôi để biết chi tiết về các chỉ số và biểu đồ được hỗ trợ cũng như hình ảnh hóa sổ tay liên quan .

Xem hướng dẫn cài đặtget_started để biết thông tin và ví dụ về cách thiết lập trong một đường ống độc lập. Nhớ lại rằng TFMA cũng được sử dụng trong thành phần Trình đánh giá trong TFX, vì vậy những tài nguyên này cũng sẽ hữu ích để bắt đầu trong TFX.