このページは Cloud Translation API によって翻訳されました。
Switch to English

TensorFlowモデル分析

TensorFlowモデル分析(TFMA)は、TensorFlowモデルを評価するためのライブラリです。これにより、ユーザーは、トレーナーで定義されているのと同じメトリックを使用して、大量のデータでモデルを分散して評価できます。これらのメトリックは、データのさまざまなスライスに対して計算し、Jupyterノートブックで視覚化できます。

TFMAスライシングメトリクスブラウザ

インストール

TFMAをインストールするための推奨される方法は、 PyPIパッケージを使用することです。

ナイトリーパッケージ

TFMAは、GoogleCloudのhttps://pypi-nightly.tensorflow.orgで夜間パッケージもホストしています。最新のナイトリーパッケージをインストールするには、次のコマンドを使用してください。

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

これにより、TensorFlowメタデータ(TFMD)、TFX基本共有ライブラリ(TFX-BSL)などのTFMAの主要な依存関係の夜間パッケージがインストールされます。

pip install tensorflow-model-analysis

現在、TFMAではTensorFlowがインストールされている必要がありますが、TensorFlowPyPIパッケージに明示的に依存していません。手順については、 TensorFlowインストールガイドをご覧ください。

Jupyter NotebookでTFMAの視覚化を有効にするには:

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

注目すべき依存関係

TensorFlowが必要です。

ApacheBeamが必要です。これは、効率的な分散計算をサポートする方法です。デフォルトでは、Apache Beamはローカルモードで実行されますが、 Google CloudDataflowおよびその他のApacheBeamランナーを使用して分散モードで実行することもできます。

ApacheArrowも必要です。 TFMAは、ベクトル化されたnumpy関数を利用するために、Arrowを使用してデータを内部的に表します。

入門

TFMAの使用方法については、スタートガイドを参照してください

互換性のあるバージョン

次の表は、相互に互換性のあるTFMAパッケージのバージョンです。これはテストフレームワークによって決定されますが、他のテストされていない組み合わせも機能する可能性があります。

tensorflow-model-analysis apache-beam [gcp] pyarrow tensorflow tensorflow-メタデータtfx-bsl
GitHubマスター2.24.0 0.17.0毎晩(1.x / 2.x) 0.24.0 0.24.1
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該当なし0.15.1
0.15.3 2.16.0 0.15.0 1.15 / 2.0該当なし0.15.1
0.15.2 2.16.0 0.15.0 1.15 / 2.0該当なし0.15.1
0.15.1 2.16.0 0.15.0 1.15 / 2.0該当なし0.15.0
0.15.0 2.16.0 0.15.0 1.15該当なし該当なし
0.14.0 2.14.0該当なし1.14該当なし該当なし
0.13.1 2.11.0該当なし1.13該当なし該当なし
0.13.0 2.11.0該当なし1.13該当なし該当なし
0.12.1 2.10.0該当なし1.12該当なし該当なし
0.12.0 2.10.0該当なし1.12該当なし該当なし
0.11.0 2.8.0該当なし1.11該当なし該当なし
0.9.2 2.6.0該当なし1.9該当なし該当なし
0.9.1 2.6.0該当なし1.10該当なし該当なし
0.9.0 2.5.0該当なし1.9該当なし該当なし
0.6.0 2.4.0該当なし1.6該当なし該当なし

質問

TFMAでの作業についてのご質問は直接お問い合わせくださいスタックオーバーフロー使っtensorflowモデル解析タグを。