Perkenalan
Saat Anda mengubah model selama pengembangan, Anda perlu memeriksa apakah perubahan Anda meningkatkan model Anda. Hanya memeriksa keakuratannya mungkin tidak cukup. Misalnya, jika Anda memiliki pengklasifikasi untuk suatu masalah yang 95% contohnya positif, Anda mungkin dapat meningkatkan akurasi hanya dengan selalu memprediksi positif, namun Anda tidak akan memiliki pengklasifikasi yang sangat kuat.
Ringkasan
Tujuan Analisis Model TensorFlow adalah menyediakan mekanisme evaluasi model di TFX. Analisis Model TensorFlow memungkinkan Anda melakukan evaluasi model di pipeline TFX, dan melihat metrik dan plot yang dihasilkan di notebook Jupyter. Secara khusus, ini dapat menyediakan:
- Metrik dihitung pada seluruh kumpulan data pelatihan dan ketidaksepakatan, serta evaluasi hari berikutnya
- Melacak metrik dari waktu ke waktu
- Memodelkan kinerja kualitas pada potongan fitur yang berbeda
- Validasi model untuk memastikan model mempertahankan performa yang konsisten
Langkah selanjutnya
Coba tutorial TFMA kami.
Lihat halaman github kami untuk detail tentang metrik dan plot yang didukung serta visualisasi buku catatan terkait.
Lihat panduan instalasi dan memulai untuk informasi dan contoh tentang cara menyiapkan dalam pipeline mandiri. Ingatlah bahwa TFMA juga digunakan dalam komponen Evaluator di TFX, jadi sumber daya ini juga akan berguna untuk memulai di TFX.