টেনসরফ্লো মডেল বিশ্লেষণ সেটআপ

সেভ করা পৃষ্ঠা গুছিয়ে রাখতে 'সংগ্রহ' ব্যবহার করুন আপনার পছন্দ অনুযায়ী কন্টেন্ট সেভ করুন ও সঠিক বিভাগে রাখুন।

কনফিগারেশন

TFMA একটি তার কনফিগারেশন সঞ্চয় করে প্রোটো যে JSON করতে ধারাবাহিকভাবে হয়। এই প্রোটো ইনপুট ডেটা, আউটপুট ডেটা, মডেল স্পেসিফিকেশন, মেট্রিক স্পেসিফিকেশন এবং স্লাইসিং স্পেসিফিকেশনের জন্য প্রয়োজনীয় কনফিগারেশনকে একীভূত করে।

সমস্ত TFMA পাইপলাইন একটি বেসলাইন (প্রাথমিক) মডেল এবং শূন্য বা তার বেশি প্রার্থী (সেকেন্ডারি) মডেলের সাথে যুক্ত। বেসলাইন এবং প্রার্থী মডেল পাইপলাইনের শুরুতে ব্যবহারকারী দ্বারা সংজ্ঞায়িত করা হয় এবং প্রতিটির একটি অনন্য নাম প্রয়োজন। নিম্নলিখিতগুলি সাধারণ কনফিগারেশন সেটআপগুলির উদাহরণ যা একজন ব্যবহারকারী ব্যবহার করতে পারেন:

  • একক মডেল মূল্যায়ন:
    • N/A (অর্থাৎ নাম নেই)
  • বৈধতা ভিত্তিক মূল্যায়ন:
    • baseline
    • candidate
  • মডেল তুলনা মূল্যায়ন:
    • my_model_a
    • my_model_b

মডেল স্পেসিফিকেশন

মডেল চশমা ধরনের tfma.ModelSpec এবং একটি মডেল অবস্থান পাশাপাশি অন্যান্য মডেল নির্দিষ্ট পরামিতি নির্ধারণ করতে ব্যবহার করা হয়। উদাহরণস্বরূপ, নিম্নলিখিতগুলি সাধারণ সেটিংস যা একটি মূল্যায়ন চালানোর আগে কনফিগার করতে হবে:

  • name - মডেল নাম (যদি একাধিক মডেল ব্যবহৃত)
  • signature_name - ভবিষ্যৎবাণী জন্য ব্যবহৃত স্বাক্ষরের নাম (ডিফল্ট serving_default )। ব্যবহার করুন eval যদি কোনো EvalSavedModel ব্যবহার করে।
  • label_key - ট্যাগ যুক্ত বৈশিষ্ট্যের নাম।
  • example_weight_key - বৈশিষ্ট্যের উদাহরণ ওজনের assocated নাম।

মেট্রিক্স স্পেসিক্স

মেট্রিক্স চশমা ধরনের tfma.MetricsSpec এবং মেট্রিকস যে মূল্যায়ন অংশ হিসেবে গণনা করা হবে কনফিগার করতে ব্যবহার করা হয়। বিভিন্ন মেশিন লার্নিং সমস্যা বিভিন্ন ধরণের মেট্রিক্স ব্যবহার করে এবং TFMA গণনা করা মেট্রিকগুলিকে কনফিগার এবং কাস্টমাইজ করার জন্য অনেকগুলি বিকল্প অফার করে। যেহেতু মেট্রিক্স TFMA খুব বড় অংশ হওয়ায়, তাদের আলাদাভাবে বিস্তারিতভাবে আলোচনা করা হয়েছে মেট্রিক্স

স্লাইসিং চশমা

Slicing চশমা ধরনের tfma.SlicingSpec এবং টুকরা মানদণ্ড যে মূল্যায়নের সময় ব্যবহার করা হবে কনফিগার করতে ব্যবহার করা হয়। Slicing দ্বারা পারেন কাজ করা যেতে পারে feature_keys , feature_values , অথবা উভয়। স্লাইসিং চশমার কিছু উদাহরণ নিম্নরূপ:

  • {}
    • সামগ্রিক তথ্য সমন্বিত স্লাইস।
  • { feature_keys: ["country"] }
    • "দেশ" বৈশিষ্ট্যের সমস্ত মানগুলির জন্য স্লাইস। উদাহরণস্বরূপ, আমরা "দেশ:আমাদের", "দেশ:জেপি" ইত্যাদি স্লাইস পেতে পারি।
  • { feature_values: [{key: "country", value: "us"}] }
    • "দেশ:আমাদের" নিয়ে গঠিত স্লাইস
  • { feature_keys: ["country", "city"] }
    • বৈশিষ্ট্য "দেশ" বৈশিষ্ট্যের সমস্ত মানগুলির জন্য স্লাইসগুলি "শহর" বৈশিষ্ট্যের সমস্ত মানগুলির সাথে অতিক্রম করেছে (মনে রাখবেন এটি ব্যয়বহুল হতে পারে)।
  • { feature_keys: ["country"] feature_values: [{key: "age", value: "20"}] }
    • বৈশিষ্ট্য "দেশ" এর সমস্ত মানগুলির জন্য স্লাইস "বয়স:20" মানের সাথে অতিক্রম করেছে

নোট করুন যে বৈশিষ্ট্য কীগুলি রূপান্তরিত বৈশিষ্ট্য বা কাঁচা ইনপুট বৈশিষ্ট্য হতে পারে। দেখুন tfma.SlicingSpec আরও তথ্যের জন্য।

EvalSharedModel

কনফিগারেশন সেটিংস ছাড়াও, TFMA ব্যবহার করলে প্রয়োগকারীদের একটি একটি দৃষ্টান্ত tfma.EvalSharedModel একই প্রক্রিয়া একাধিক থ্রেড মধ্যে একটি মডেল ভাগ করে নেওয়ার জন্য তৈরি করা। ভাগ করা মডেলের উদাহরণে মডেলের ধরন (কেরাস, ইত্যাদি) এবং ডিস্কে সংরক্ষিত অবস্থান থেকে মডেলটি কীভাবে লোড এবং কনফিগার করা যায় (যেমন ট্যাগ ইত্যাদি) সম্পর্কে তথ্য অন্তর্ভুক্ত রয়েছে। tfma.default_eval_shared_model এপিআই একটি পাথ দেওয়া ও ট্যাগ সেট একটি ডিফল্ট উদাহরণস্বরূপ তৈরি করতে ব্যবহার করা যেতে পারে।