Pengaturan Analisis Model Tensorflow

Konfigurasi

TFMA menyimpan konfigurasi dalam proto yang serial ke JSON. Proto ini mengkonsolidasikan konfigurasi yang diperlukan untuk data input, data output, spesifikasi model, spesifikasi metrik, dan spesifikasi pemotongan.

Semua jalur pipa TFMA dikaitkan dengan model dasar (primer) dan nol atau lebih model kandidat (sekunder). Model baseline dan kandidat ditentukan oleh pengguna di awal pipeline dan masing-masing memerlukan nama yang unik. Berikut ini adalah contoh pengaturan konfigurasi umum yang mungkin digunakan pengguna:

  • Evaluasi model tunggal:
    • T/A (yaitu tidak ada nama)
  • Evaluasi berbasis validasi:
    • baseline
    • candidate
  • Evaluasi perbandingan model:
    • my_model_a
    • my_model_b

Spesifikasi Model

Spesifikasi Model adalah jenis tfma.ModelSpec dan digunakan untuk menentukan lokasi model serta parameter model spesifik lainnya. Misalnya, berikut ini adalah pengaturan umum yang perlu dikonfigurasi sebelum menjalankan evaluasi:

  • name - nama model (jika beberapa model yang digunakan)
  • signature_name - nama tanda tangan yang digunakan untuk prediksi (default adalah serving_default ). Gunakan eval jika menggunakan EvalSavedModel.
  • label_key - nama fitur yang berhubungan dengan label.
  • example_weight_key - nama fitur assocated dengan contoh berat badan.

Spesifikasi Metrik

Metrik spesifikasi adalah tipe tfma.MetricsSpec dan digunakan untuk mengkonfigurasi metrik yang akan dihitung sebagai bagian dari evaluasi. Masalah pembelajaran mesin yang berbeda menggunakan jenis metrik yang berbeda dan TFMA menawarkan banyak opsi untuk mengonfigurasi dan menyesuaikan metrik yang dihitung. Sejak metrik adalah bagian yang sangat besar dari TFMA, mereka dibahas secara rinci secara terpisah di metrik .

Spesifikasi Mengiris

Mengiris spesifikasi adalah tipe tfma.SlicingSpec dan digunakan untuk mengkonfigurasi kriteria irisan yang akan digunakan selama evaluasi. Mengiris dapat dilakukan baik oleh feature_keys , feature_values , atau keduanya. Beberapa contoh spesifikasi slicing adalah sebagai berikut:

  • {}
    • Slice yang terdiri dari data keseluruhan.
  • { feature_keys: ["country"] }
    • Irisan untuk semua nilai dalam fitur "negara". Misalnya, kita mungkin mendapatkan irisan "country:us", "country:jp", dll.
  • { feature_values: [{key: "country", value: "us"}] }
    • Irisan yang terdiri dari "negara: kita".
  • { feature_keys: ["country", "city"] }
    • Irisan untuk semua nilai di fitur "negara" disilangkan dengan semua nilai di fitur "kota" (perhatikan ini mungkin mahal).
  • { feature_keys: ["country"] feature_values: [{key: "age", value: "20"}] }
    • Irisan untuk semua nilai dalam fitur "negara" disilangkan dengan nilai "usia:20"

Perhatikan bahwa tombol fitur dapat berupa fitur yang diubah atau fitur input mentah. Lihat tfma.SlicingSpec untuk informasi lebih lanjut.

EvalSharedModel

Selain pengaturan konfigurasi, TFMA juga mensyaratkan bahwa sebuah contoh dari tfma.EvalSharedModel dibuat untuk berbagi model antara beberapa benang dalam proses yang sama. Contoh model bersama mencakup informasi tentang jenis model (keras, dll) dan cara memuat dan mengkonfigurasi model dari lokasi yang disimpan pada disk (misalnya tag, dll). The tfma.default_eval_shared_model API dapat digunakan untuk membuat contoh default diberikan jalan dan mengatur tag.