Tensorflow मॉडल विश्लेषण सेटअप

संग्रह की मदद से व्यवस्थित रहें अपनी प्राथमिकताओं के आधार पर, कॉन्टेंट को सेव करें और कैटगरी में बांटें.

विन्यास

TFMA एक में इसके विन्यास संग्रहीत करता आद्य कि JSON करने के लिए धारावाहिक है। यह प्रोटो इनपुट डेटा, आउटपुट डेटा, मॉडल विनिर्देशों, मीट्रिक विनिर्देशों और स्लाइसिंग विनिर्देशों के लिए आवश्यक कॉन्फ़िगरेशन को समेकित करता है।

सभी TFMA पाइपलाइन एक बेसलाइन (प्राथमिक) मॉडल और शून्य या अधिक उम्मीदवार (द्वितीयक) मॉडल से संबद्ध हैं। आधार रेखा और उम्मीदवार मॉडल को उपयोगकर्ता द्वारा पाइपलाइन की शुरुआत में परिभाषित किया जाता है और प्रत्येक को एक अद्वितीय नाम की आवश्यकता होती है। उपयोगकर्ता द्वारा उपयोग किए जा सकने वाले विशिष्ट कॉन्फ़िगरेशन सेटअप के उदाहरण निम्नलिखित हैं:

  • एकल मॉडल मूल्यांकन:
    • लागू नहीं (अर्थात कोई नाम नहीं)
  • सत्यापन-आधारित मूल्यांकन:
    • baseline
    • candidate
  • मॉडल तुलना मूल्यांकन:
    • my_model_a
    • my_model_b

मॉडल चश्मा

मॉडल चश्मा प्रकार के होते हैं tfma.ModelSpec और एक मॉडल के स्थान के साथ ही अन्य मॉडल विशिष्ट मानदंडों परिभाषित किया जाता है। उदाहरण के लिए निम्नलिखित विशिष्ट सेटिंग्स हैं जिन्हें मूल्यांकन चलाने से पहले कॉन्फ़िगर करने की आवश्यकता होगी:

  • name - मॉडल का नाम (यदि एक से अधिक मॉडल का इस्तेमाल किया)
  • signature_name - भविष्यवाणियों के लिए इस्तेमाल किया हस्ताक्षर के नाम पर (डिफ़ॉल्ट है serving_default )। का प्रयोग करें eval अगर एक EvalSavedModel का उपयोग कर।
  • label_key - लेबल के साथ संबद्ध सुविधा का नाम।
  • example_weight_key - सुविधा उदाहरण वजन के साथ assocated का नाम है।

मेट्रिक्स चश्मा

मेट्रिक्स चश्मा प्रकार के होते हैं tfma.MetricsSpec और मीट्रिक मूल्यांकन के भाग के रूप गणना की जाएगी कॉन्फ़िगर करने के लिए उपयोग किया जाता है। विभिन्न मशीन सीखने की समस्याएं विभिन्न प्रकार के मेट्रिक्स का उपयोग करती हैं और टीएफएमए गणना किए गए मेट्रिक्स को कॉन्फ़िगर करने और अनुकूलित करने के लिए बहुत सारे विकल्प प्रदान करता है। के बाद से मेट्रिक्स TFMA की एक बहुत बड़ी हिस्सा हैं, वे अलग विस्तार से चर्चा कर रहे हैं मैट्रिक्स

टुकड़ा करने की क्रिया चश्मा

टुकड़ा करने की क्रिया चश्मा प्रकार के होते हैं tfma.SlicingSpec और स्लाइस मानदंड है कि जांच के दौरान इस्तेमाल किया जाएगा कॉन्फ़िगर करने के लिए उपयोग किया जाता है। टुकड़ा करने की क्रिया द्वारा या तो किया जा सकता है feature_keys , feature_values , या दोनों। स्लाइसिंग स्पेक्स के कुछ उदाहरण इस प्रकार हैं:

  • {}
    • समग्र डेटा से युक्त टुकड़ा।
  • { feature_keys: ["country"] }
    • फीचर "देश" में सभी मूल्यों के लिए स्लाइस। उदाहरण के लिए, हमें "देश: हमें", "देश: जेपी", आदि स्लाइस मिल सकते हैं।
  • { feature_values: [{key: "country", value: "us"}] }
    • "देश: हम" से युक्त टुकड़ा।
  • { feature_keys: ["country", "city"] }
    • फीचर "देश" में सभी मूल्यों के लिए स्लाइस "शहर" में सभी मूल्यों के साथ पार हो गए (ध्यान दें कि यह महंगा हो सकता है)।
  • { feature_keys: ["country"] feature_values: [{key: "age", value: "20"}] }
    • सुविधा "देश" में सभी मानों के लिए स्लाइस "आयु: 20" मान के साथ क्रॉस किए गए हैं

ध्यान दें कि फ़ीचर कुंजियाँ या तो रूपांतरित सुविधाएँ या कच्ची इनपुट सुविधाएँ हो सकती हैं। देखें tfma.SlicingSpec अधिक जानकारी के लिए।

EvalSharedModel

विन्यास सेटिंग्स के अलावा, TFMA भी जरूरी है कि एक का एक उदाहरण tfma.EvalSharedModel एक ही प्रक्रिया में कई धागे के बीच एक मॉडल साझा करने के लिए बनाया जा। साझा मॉडल उदाहरण में मॉडल के प्रकार (केरस, आदि) के बारे में जानकारी शामिल है और डिस्क पर अपने सहेजे गए स्थान से मॉडल को कैसे लोड और कॉन्फ़िगर करना है (जैसे टैग, आदि)। tfma.default_eval_shared_model एपीआई एक रास्ता दिया और टैग का सेट एक डिफ़ॉल्ट उदाहरण बनाने के लिए इस्तेमाल किया जा सकता है।