Se usó la API de Cloud Translation para traducir esta página.
Switch to English

Análisis del modelo de TensorFlow

TensorFlow Model Analysis (TFMA) es una biblioteca para evaluar modelos de TensorFlow. Permite a los usuarios evaluar sus modelos en grandes cantidades de datos de manera distribuida, utilizando las mismas métricas definidas en su entrenador. Estas métricas se pueden calcular en diferentes segmentos de datos y visualizar en los cuadernos de Jupyter.

Navegador de métricas de corte TFMA

Instalación

La forma recomendada de instalar TFMA es utilizando el paquete PyPI :

pip install tensorflow-model-analysis

Paquetes nocturnos

TFMA también aloja paquetes nocturnos en https://pypi-nightly.tensorflow.org en Google Cloud. Para instalar el último paquete nocturno, utilice el siguiente comando:

pip install -i https://pypi-nightly.tensorflow.org/simple tensorflow-model-analysis

Esto instalará los paquetes nocturnos para las principales dependencias de TFMA, como TensorFlow Metadata (TFMD), TFX Basic Shared Libraries (TFX-BSL).

Actualmente, TFMA requiere que TensorFlow esté instalado, pero no tiene una dependencia explícita del paquete TensorFlow PyPI. Consulte las guías de instalación de TensorFlow para obtener instrucciones.

Para habilitar la visualización TFMA en Jupyter Notebook:

  jupyter nbextension enable --py widgetsnbextension
  jupyter nbextension enable --py tensorflow_model_analysis

Dependencias notables

Se requiere TensorFlow.

Se requiere Apache Beam ; es la forma en que se admite la computación distribuida eficiente. Por defecto, Apache Beam se ejecuta en modo local, pero también puede funcionar en modo distribuido utilizando Google Cloud flujo de datos y otros Apache Beam corredores .

También se requiere Apache Arrow . TFMA usa Arrow para representar datos internamente con el fin de hacer uso de funciones numpy vectorizadas.

Empezando

Para obtener instrucciones sobre el uso de TFMA, consulte la guía de introducción .

Versiones compatibles

La siguiente tabla muestra las versiones del paquete TFMA que son compatibles entre sí. Esto está determinado por nuestro marco de prueba, pero otras combinaciones no probadas también pueden funcionar.

análisis del modelo de tensorflow apache-beam [gcp] pyarrow tensorflow tensorflow-metadata tfx-bsl
Maestro de GitHub 2.25.0 0.17.0 todas las noches (1.x / 2.x) 0.25.0 0.25.0
0.25.0 2.25.0 0.17.0 1,15 / 2,3 0.25.0 0.25.0
0.24.3 2.24.0 0.17.0 1,15 / 2,3 0.24.0 0.24.1
0.24.2 2.23.0 0.17.0 1,15 / 2,3 0.24.0 0.24.0
0.24.1 2.23.0 0.17.0 1,15 / 2,3 0.24.0 0.24.0
0.24.0 2.23.0 0.17.0 1,15 / 2,3 0.24.0 0.24.0
0.23.0 2.23.0 0.17.0 1,15 / 2,3 0.23.0 0.23.0
0.22.2 2.20.0 0.16.0 1,15 / 2,2 0.22.2 0.22.0
0.22.1 2.20.0 0.16.0 1,15 / 2,2 0.22.2 0.22.0
0.22.0 2.20.0 0.16.0 1,15 / 2,2 0.22.0 0.22.0
0.21.6 2.19.0 0.15.0 1,15 / 2,1 0.21.0 0.21.3
0.21.5 2.19.0 0.15.0 1,15 / 2,1 0.21.0 0.21.3
0.21.4 2.19.0 0.15.0 1,15 / 2,1 0.21.0 0.21.3
0.21.3 2.17.0 0.15.0 1,15 / 2,1 0.21.0 0.21.0
0.21.2 2.17.0 0.15.0 1,15 / 2,1 0.21.0 0.21.0
0.21.1 2.17.0 0.15.0 1,15 / 2,1 0.21.0 0.21.0
0.21.0 2.17.0 0.15.0 1,15 / 2,1 0.21.0 0.21.0
0.15.4 2.16.0 0.15.0 1,15 / 2,0 n / A 0.15.1
0.15.3 2.16.0 0.15.0 1,15 / 2,0 n / A 0.15.1
0.15.2 2.16.0 0.15.0 1,15 / 2,0 n / A 0.15.1
0.15.1 2.16.0 0.15.0 1,15 / 2,0 n / A 0.15.0
0.15.0 2.16.0 0.15.0 1,15 n / A n / A
0.14.0 2.14.0 n / A 1,14 n / A n / A
0.13.1 2.11.0 n / A 1,13 n / A n / A
0.13.0 2.11.0 n / A 1,13 n / A n / A
0.12.1 2.10.0 n / A 1.12 n / A n / A
0.12.0 2.10.0 n / A 1.12 n / A n / A
0.11.0 2.8.0 n / A 1,11 n / A n / A
0.9.2 2.6.0 n / A 1,9 n / A n / A
0.9.1 2.6.0 n / A 1,10 n / A n / A
0.9.0 2.5.0 n / A 1,9 n / A n / A
0.6.0 2.4.0 n / A 1,6 n / A n / A

Preguntas

Dirija cualquier pregunta sobre cómo trabajar con TFMA a Stack Overflow usando la etiqueta tensorflow-model-analysis .