व्हाट-इफ टूल (डब्ल्यूआईटी) ब्लैक-बॉक्स वर्गीकरण और रिग्रेशन एमएल मॉडल की समझ का विस्तार करने के लिए एक आसान उपयोग वाला इंटरफ़ेस प्रदान करता है। प्लगइन के साथ, आप उदाहरणों के एक बड़े सेट पर अनुमान लगा सकते हैं और तुरंत विभिन्न तरीकों से परिणामों की कल्पना कर सकते हैं। इसके अतिरिक्त, परिवर्तनों के परिणाम देखने के लिए उदाहरणों को मैन्युअल रूप से या प्रोग्रामेटिक रूप से संपादित किया जा सकता है और मॉडल के माध्यम से फिर से चलाया जा सकता है। इसमें डेटासेट के सबसेट पर मॉडल प्रदर्शन और निष्पक्षता की जांच के लिए टूलींग शामिल है।
टूल का उद्देश्य लोगों को बिना किसी कोड की आवश्यकता के विज़ुअल इंटरफ़ेस के माध्यम से प्रशिक्षित एमएल मॉडल का पता लगाने और जांच करने का एक सरल, सहज और शक्तिशाली तरीका प्रदान करना है।
टूल को TensorBoard के माध्यम से या सीधे Jupyter या Colab नोटबुक में एक्सेस किया जा सकता है। अधिक गहन विवरण, डेमो, वॉकथ्रू और नोटबुक मोड में WIT का उपयोग करने के लिए विशिष्ट जानकारी के लिए, व्हाट-इफ टूल वेबसाइट देखें।
आवश्यकताएं
TensorBoard में WIT का उपयोग करने के लिए, दो चीज़ें आवश्यक हैं:
- आप जिस मॉडल को एक्सप्लोर करना चाहते हैं, उसे वर्गीकृत, रिग्रेस या पूर्वानुमान एपीआई का उपयोग करके टेन्सरफ्लो सर्विंग का उपयोग करके प्रस्तुत किया जाना चाहिए।
- मॉडलों द्वारा अनुमानित किया जाने वाला डेटासेट TensorBoard वेब सर्वर द्वारा पहुंच योग्य TFRecord फ़ाइल में होना चाहिए।
प्रयोग
TensorBoard में व्हाट-इफ टूल डैशबोर्ड खोलने पर, आपको एक सेटअप स्क्रीन दिखाई देगी जहां आप मॉडल सर्वर का होस्ट और पोर्ट, पेश किए जा रहे मॉडल का नाम, मॉडल का प्रकार और TFRecords फ़ाइल का पथ प्रदान करते हैं। भार। इस जानकारी को भरने और "स्वीकार करें" पर क्लिक करने के बाद, WIT डेटासेट लोड करेगा और परिणाम प्रदर्शित करते हुए मॉडल के साथ अनुमान चलाएगा।
WIT की विभिन्न विशेषताओं के विवरण के लिए और वे मॉडल समझ और निष्पक्षता जांच में कैसे सहायता कर सकते हैं, व्हाट-इफ टूल वेबसाइट पर वॉकथ्रू देखें।
डेमो मॉडल और डेटासेट
यदि आप पूर्व-प्रशिक्षित मॉडल के साथ TensorBoard में WIT का परीक्षण करना चाहते हैं, तो आप https://storage.googleapis.com/what-if-tool-resources/uci-census से पूर्व-प्रशिक्षित मॉडल और डेटासेट को डाउनलोड और अनज़िप कर सकते हैं। -demo/uci-census-demo.zip मॉडल एक बाइनरी वर्गीकरण मॉडल है जो यूसीआई जनगणना डेटासेट का उपयोग यह अनुमान लगाने के लिए करता है कि कोई व्यक्ति वर्ष में $50ka से अधिक कमाता है या नहीं। इस डेटासेट और भविष्यवाणी कार्य का उपयोग अक्सर मशीन लर्निंग मॉडलिंग और निष्पक्षता अनुसंधान में किया जाता है।
अपनी मशीन पर परिणामी मॉडल निर्देशिका के स्थान पर पर्यावरण चर MODEL_PATH सेट करें।
आधिकारिक दस्तावेज का पालन करते हुए डॉकर और टेन्सरफ्लो सर्विंग स्थापित करें।
docker run -p 8500:8500 --mount type=bind,source=${MODEL_PATH},target=/models/uci_income -e MODEL_NAME=uci_income -t tensorflow/serving ध्यान दें कि आपको अपने डॉकर सेटअप के आधार पर कमांड को sudo के साथ चलाने की आवश्यकता हो सकती है।
अब टेंसरबोर्ड लॉन्च करें और व्हाट-इफ टूल पर नेविगेट करने के लिए डैशबोर्ड ड्रॉप-डाउन का उपयोग करें।
सेटअप स्क्रीन पर, अनुमान पता को "लोकलहोस्ट:8500", मॉडल का नाम "uci_income" और उदाहरणों के लिए डाउनलोड किए गए adult.tfrecord फ़ाइल के पूर्ण पथ पर सेट करें, फिर "स्वीकार करें" दबाएँ।
इस डेमो में व्हाट्स-इफ़ टूल के साथ आज़माने योग्य कुछ चीज़ें शामिल हैं:
- एकल डेटापॉइंट को संपादित करना और परिणामी परिवर्तन को अनुमान में देखना।
- डेटासेट में व्यक्तिगत विशेषताओं और मॉडल के अनुमान के बीच संबंधों की खोज आंशिक निर्भरता प्लॉट के माध्यम से होती है।
- डेटासेट को उपसमूहों में विभाजित करना और स्लाइस के बीच प्रदर्शन की तुलना करना।
टूल की विशेषताओं पर गहराई से नज़र डालने के लिए, व्हाट-इफ़ टूल वॉकथ्रू देखें।
ध्यान दें कि यह मॉडल जिस डेटासेट की भविष्यवाणी करने की कोशिश कर रहा है, उसमें जमीनी सच्चाई की विशेषता को "लक्ष्य" नाम दिया गया है, इसलिए "प्रदर्शन और निष्पक्षता" टैब का उपयोग करते समय, "लक्ष्य" वह है जिसे आप जमीनी सच्चाई सुविधा ड्रॉपडाउन में निर्दिष्ट करना चाहेंगे।