معرفی
همانطور که در طول توسعه مدل خود را تغییر می دهید، باید بررسی کنید که آیا تغییرات شما باعث بهبود مدل شما می شود یا خیر. فقط بررسی دقت ممکن است کافی نباشد. به عنوان مثال، اگر شما یک طبقه‌بندی کننده برای مشکلی دارید که در آن 95 درصد موارد شما مثبت هستند، ممکن است بتوانید دقت را با پیش‌بینی مثبت همیشه افزایش دهید، اما طبقه‌بندی‌کننده خیلی قوی نخواهید داشت.
بررسی اجمالی
هدف از تحلیل مدل TensorFlow ارائه مکانیزمی برای ارزیابی مدل در TFX است. تجزیه و تحلیل مدل TensorFlow به شما امکان می دهد ارزیابی های مدل را در خط لوله TFX انجام دهید و معیارها و نمودارهای حاصل را در یک نوت بوک Jupyter مشاهده کنید. به طور خاص، می تواند ارائه دهد:
- معیارهای محاسبه شده بر روی کل مجموعه آموزشی و نگهدارنده، و همچنین ارزیابی‌های روز بعد
- ردیابی معیارها در طول زمان
- عملکرد کیفیت مدل در برش های ویژگی های مختلف
- اعتبارسنجی مدل برای اطمینان از حفظ عملکرد ثابت آن مدل
مراحل بعدی
آموزش TFMA ما را امتحان کنید.
صفحه github ما را برای جزئیات بیشتر در مورد معیارها و نمودارهای پشتیبانی شده و تجسم نوت بوک مرتبط بررسی کنید.
برای اطلاعات و مثال هایی در مورد نحوه راه اندازی در خط لوله مستقل، راهنمای نصب و شروع کار را ببینید. به یاد بیاورید که TFMA در مولفه Evaluator در TFX نیز استفاده می شود، بنابراین این منابع برای شروع در TFX نیز مفید خواهند بود.