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

Phân tích mô hình TensorFlow

TensorFlow Model Analysis (TFMA) là một thư viện để đánh giá các mô hình TensorFlow. Nó cho phép người dùng đánh giá mô hình của họ trên một lượng lớn dữ liệu theo cách phân tán, sử dụng cùng các chỉ số được xác định trong trình đào tạo của họ. Các chỉ số này có thể được tính toán qua các phần dữ liệu khác nhau và được hiển thị trực quan trong sổ ghi chép Jupyter.

Trình duyệt số liệu cắt lát TFMA

Cài đặt

Cách được khuyến nghị để cài đặt TFMA là sử dụng gói PyPI :

pip install tensorflow-model-analysis

Hiện tại, TFMA yêu cầu TensorFlow được cài đặt nhưng không có sự phụ thuộc rõ ràng vào gói TensorFlow PyPI. Xem hướng dẫn cài đặt TensorFlow để biết hướng dẫn.

Để bật hiển thị TFMA trong Máy tính xách tay Jupyter:

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

Sự phụ thuộc đáng chú ý

TensorFlow là bắt buộc.

Apache Beam là bắt buộc; đó là cách hỗ trợ tính toán phân tán hiệu quả. Theo mặc định, Apache Beam chạy ở chế độ cục bộ nhưng cũng có thể chạy ở chế độ phân tán bằng Google Cloud Dataflow và các trình chạy Apache Beam khác .

Apache Arrow cũng được yêu cầu. TFMA sử dụng Mũi tên để biểu diễn dữ liệu bên trong nhằm sử dụng các hàm numpy được vector hóa.

Bắt đầu

Để biết hướng dẫn sử dụng TFMA, hãy xem hướng dẫn bắt đầu .

Các phiên bản tương thích

Bảng sau đây là các phiên bản gói TFMA tương thích với nhau. Điều này được xác định bởi khung thử nghiệm của chúng tôi, nhưng các kết hợp chưa được thử nghiệm khác cũng có thể hoạt động.

tensorflow-model-phân tích apache-beam [gcp] chim sẻ dòng chảy căng thẳng siêu dữ liệu tensorflow tfx-bsl
GitHub chính 2,23,0 0,17,0 hàng đêm (1.x / 2.x) 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

Câu hỏi

Vui lòng chuyển bất kỳ câu hỏi nào về cách làm việc với TFMA đến Stack Overflow bằng cách sử dụng thẻ phân tích mô hình dòng chảy căng thẳng .