انضم إلى TensorFlow في مؤتمر Google I / O ، 11-12 مايو سجل الآن

إعداد تحليل نموذج Tensorflow

ترتيب

TFMA يخزن التكوين الخاصة به في بروتو الذي تسلسل إلى JSON. يدمج هذا البروتو التكوين المطلوب لبيانات الإدخال وبيانات الإخراج ومواصفات النموذج والمواصفات المترية ومواصفات التقطيع.

ترتبط جميع خطوط أنابيب TFMA بنموذج أساسي (أساسي) وصفر أو أكثر من النماذج المرشحة (الثانوية). يتم تحديد النموذج الأساسي والمرشح من قبل المستخدم في بداية خط الأنابيب ويتطلب كل منهما اسمًا فريدًا. فيما يلي أمثلة على إعدادات التكوين النموذجية التي قد يستخدمها المستخدم:

  • تقييم نموذج واحد:
    • غير متاح (أي لا يوجد اسم)
  • التقييم القائم على التحقق من الصحة:
    • baseline
    • candidate
  • تقييم مقارنة النموذج:
    • my_model_a
    • my_model_b

المواصفات النموذجية

المواصفات نموذج من نوع tfma.ModelSpec وتستخدم لتحديد مكان وجود نموذج فضلا عن غيرها من المعلمات نموذج محدد. على سبيل المثال ، فيما يلي إعدادات نموذجية يجب تهيئتها قبل تشغيل التقييم:

  • name - اسم طراز (إن نماذج متعددة المستخدمة)
  • signature_name - اسم التوقيع تستخدم لالتنبؤات (الافتراضي هو serving_default ). استخدام eval إذا باستخدام EvalSavedModel.
  • label_key - اسم الميزة المرتبطة التسمية.
  • example_weight_key - اسم الميزة assocated مع المثال الوزن.

مواصفات المقاييس

المواصفات المقاييس هي من نوع tfma.MetricsSpec وتستخدم لتكوين المقاييس التي سيتم احتساب كجزء من التقييم. تستخدم مشاكل التعلم الآلي المختلفة أنواعًا مختلفة من المقاييس وتوفر TFMA الكثير من الخيارات لتكوين المقاييس المحسوبة وتخصيصها. منذ المقاييس هي جزء كبير جدا من TFMA، فإنها تناقش بالتفصيل على حدة في المقاييس .

مواصفات التقطيع

المواصفات تشريح من نوع tfma.SlicingSpec وتستخدم لتكوين معايير شرائح التي سيتم استخدامها خلال عملية التقييم. تشريح ويمكن أن يتم إما عن طريق feature_keys ، feature_values ، أو كليهما. فيما يلي بعض الأمثلة على مواصفات التقطيع:

  • {}
    • شريحة تتكون من بيانات شاملة.
  • { feature_keys: ["country"] }
    • شرائح لجميع القيم في ميزة "البلد". على سبيل المثال ، قد نحصل على شرائح "country: us" و "country: jp" وما إلى ذلك.
  • { feature_values: [{key: "country", value: "us"}] }
    • شريحة تتكون من "بلد: نحن".
  • { feature_keys: ["country", "city"] }
    • شرائح لجميع القيم في "البلد" للميزة متقاطعة مع جميع القيم في "المدينة" للميزة (لاحظ أن هذا قد يكون مكلفًا).
  • { feature_keys: ["country"] feature_values: [{key: "age", value: "20"}] }
    • شرائح لجميع القيم في "البلد" للميزة متقاطعة مع القيمة "العمر: 20"

لاحظ أن مفاتيح الميزات قد تكون إما ميزات محولة أو ميزات إدخال خام. انظر tfma.SlicingSpec لمزيد من المعلومات.

EvalSharedModel

بالإضافة إلى إعدادات التكوين، يتطلب TFMA أيضا أن مثيل tfma.EvalSharedModel أن تنشأ لتبادل نموذجا بين المواضيع المتعددة في نفس العملية. يتضمن مثيل النموذج المشترك معلومات حول نوع النموذج (keras ، إلخ) وكيفية تحميل النموذج وتكوينه من موقعه المحفوظ على القرص (مثل العلامات ، إلخ). و tfma.default_eval_shared_model API يمكن استخدامها لإنشاء مثيل الافتراضي إعطاء مسار ومجموعة من العلامات.