Google I/O'da TensorFlow'a katılın, 11-12 Mayıs Şimdi kaydolun

Tensorflow Model Analiz Kurulumu

Yapılandırma

TFMA bir kendi ayarlarını saklayan proto JSON seri hale. Bu protokol, girdi verileri, çıktı verileri, model belirtimleri, metrik belirtimler ve dilimleme belirtimleri için gereken yapılandırmayı birleştirir.

Tüm TFMA işlem hatları bir temel (birincil) model ve sıfır veya daha fazla aday (ikincil) modelle ilişkilendirilir. Temel ve aday model, işlem hattının başlangıcında kullanıcı tarafından tanımlanır ve her biri benzersiz bir ad gerektirir. Aşağıdakiler, bir kullanıcının kullanabileceği tipik yapılandırma kurulumlarının örnekleridir:

  • Tek model değerlendirmesi:
    • N/A (yani isim yok)
  • Doğrulamaya dayalı değerlendirme:
    • baseline
    • candidate
  • Model karşılaştırma değerlendirmesi:
    • my_model_a
    • my_model_b

Model Özellikleri

Model özellikleri tipi olan tfma.ModelSpec ve bir model konumunu aynı zamanda diğer bir model, belirli parametreleri tanımlamak için kullanılır. Örneğin aşağıdakiler, bir değerlendirmeyi çalıştırmadan önce yapılandırılması gereken tipik ayarlardır:

  • name - modelin adı (birden fazla model kullanılırsa)
  • signature_name - öngörüleri için kullanılan imzanın adı (varsayılan serving_default ). Kullanım eval bir EvalSavedModel kullanılıyorsa.
  • label_key - etiket ile ilişkili özelliğinin adı.
  • example_weight_key - örnek ağırlığı assocated özelliğin adı.

Metrik Özellikleri

Metrik gözlük tipi vardır tfma.MetricsSpec ve değerlendirmenin bir parçası olarak hesaplanacaktır ölçümlerini yapılandırmak için kullanılır. Farklı makine öğrenimi sorunları, farklı türde metrikler kullanır ve TFMA, hesaplanan metrikleri yapılandırmak ve özelleştirmek için birçok seçenek sunar. Metrikleri TFMA çok büyük bir parçası olduğu için, ayrı olarak ayrıntılı olarak ele alınmaktadır metrik .

Dilimleme Özellikleri

Dilimleme gözlük tipi vardır tfma.SlicingSpec ve değerlendirme sırasında kullanılacak dilimler kriterlerini yapılandırmak için kullanılır. Dilimleme yoluyla yapılabilir feature_keys , feature_values veya her ikisi. Dilimleme özelliklerine ilişkin bazı örnekler aşağıdaki gibidir:

  • {}
    • Genel verilerden oluşan dilim.
  • { feature_keys: ["country"] }
    • "Ülke" özelliğindeki tüm değerler için dilimler. Örneğin, "ülke:bize", "ülke:jp" vb. dilimler alabiliriz.
  • { feature_values: [{key: "country", value: "us"}] }
    • "Ülke:biz" den oluşan dilim.
  • { feature_keys: ["country", "city"] }
    • "Ülke" özelliğindeki tüm değerler için dilimler, "şehir" özelliğindeki tüm değerlerle kesişir (bunun pahalı olabileceğini unutmayın).
  • { feature_keys: ["country"] feature_values: [{key: "age", value: "20"}] }
    • "Ülke" özelliğindeki tüm değerler için dilimler, "yaş:20" değeriyle kesişir

Özellik anahtarlarının dönüştürülmüş özellikler veya ham girdi özellikleri olabileceğini unutmayın. Bkz tfma.SlicingSpec fazla bilgi için.

DeğerlendirPaylaşılanModel

Yapılandırma ayarlarına ek olarak, TFMA ayrıca bir örneği gerektirir tfma.EvalSharedModel aynı süreçte birden çok iş parçacığı arasında bir model paylaşımı için oluşturulacak. Paylaşılan model örneği, modelin türü (keras, vb.) ve modelin diskteki kayıtlı konumundan (ör. etiketler, vb.) nasıl yüklenip yapılandırılacağı hakkında bilgiler içerir. tfma.default_eval_shared_model API bir yol verildi ve etiketlerin varsayılan bir örneğini oluşturmak için kullanılabilir.