Введение
Когда вы настраиваете свою модель во время разработки, вам необходимо проверять, улучшают ли ваши изменения вашу модель. Просто проверки точности может быть недостаточно. Например, если у вас есть классификатор для проблемы, в которой 95% случаев являются положительными, вы можете повысить точность, просто всегда прогнозируя положительный результат, но у вас не будет очень надежного классификатора.
Обзор
Цель анализа модели TensorFlow — предоставить механизм оценки модели в TFX. Анализ модели TensorFlow позволяет выполнять оценки модели в конвейере TFX и просматривать полученные показатели и графики в блокноте Jupyter. В частности, он может обеспечить:
- Метрики рассчитываются по всему набору данных обучения и отложенных данных, а также по оценкам на следующий день.
- Отслеживание показателей с течением времени
- Производительность качества модели на различных срезах функций
- Проверка модели для обеспечения стабильной производительности модели.
Следующие шаги
Попробуйте наше руководство по TFMA .
Посетите нашу страницу github для получения подробной информации о поддерживаемых метриках и графиках, а также связанных с ними визуализациях блокнота.
Информацию и примеры настройки автономного конвейера см. в руководствах по установке и началу работы . Напомним, что TFMA также используется в компоненте Evaluator в TFX, поэтому эти ресурсы также будут полезны для начала работы с TFX.