使用 TensorFlow Model Analysis 改善模型质量

简介

在开发过程中调整模型时，您需要检查所做的更改是否会改善模型质量。不过，仅检查准确率可能还不够。例如，如果您有一个问题的分类器，其中 95% 的实例是正相关的，那么您也许能够通过始终预测为正相关来提高准确率，但是这样做将无法获得一个非常稳健的分类器。

概述

TensorFlow Model Analysis 的目标是为 TFX 中的模型评估提供一种机制。TensorFlow Model Analysis 允许您在 TFX 流水线中执行模型评估，并在 Jupyter 笔记本中查看结果指标和绘图。具体来说，它可以提供：

• 根据整个训练和保留数据集计算的指标，以及第二天的评估

• 随时间跟踪指标

• 在不同特征切片上的模型质量性能

• 模型验证，用于确保模型的性能保持一致

后续步骤

阅读我们的 TFMA 教程。

查看我们的 GitHub 页面了解有关支持的指标与图表以及关联的笔记本可视化效果的详细信息。

有关如何在独立流水线中进行设置的信息和示例，请参阅安装和入门指南。回想一下，TFMA 还在 TFX 的 Evaluator 组件中使用，因此这些资源对于 TFX 入门也很有用。