导语： 本文是 tensorflow 手册翻译系列的第三十五篇。 本文档介绍如何使用公平指标。 目录 Tensorflow 模型 数据 模型 配置切片 计算公平标准 渲染公平指示器 模型不可知评估 数据 模型 构建模型不可知抽取器 计算公平标准 正文 公平性指标...

导语： 本文是 tensorflow 手册翻译系列的第三十四篇。 本文档介绍如何通过 Tensorflow 模型分析来提高模型的质量。 目录 介绍 概述 从你的模型中导出模型评估过的保存模型 在 Jupyter notebook 中可视化 评价标签 切片指标选项卡 正文 介绍 在开发过程中调整模型时，需要检查所做的更改是否正在改善模型。仅检查准确性可能还不够。例如，如果您有一个问题的分类器，其中95％的实例是肯定的，则仅通过始终预测为肯定就可以提高准确性，但是您将没有非常强大的分类器。 总览 TensorFlow模型分析的目的是为TFX中的模型评估提供一种...

导语： 本文是 tensorflow 手册翻译系列的第三十三篇。 本文档介绍模型分析库的体系结构。 目录 概述 读取输入 抽取 评估 输出结果 自定义抽取器 自定义评估器 自定义输出器 正文 总览 TensorFlow模型分析（TFMA）管道如下所示： 管道由四个主要组件组成： 读取输入 萃取 评价 写结果 这些组件使用两种主要类型：tfma.Extracts和tfma.evaluators.Evaluation。 类型tfma.Extracts表示在管道处理期间提取的数据，而类型tfma.evaluators.Evaluation表示在提取过程中各个点评估提取的输出。 为了提供灵活的API，这些类型仅是由不同的实现定...

导语： 本文是 tensorflow 手册翻译系列的第三十二篇。 本文档介绍模型分析库的使用步骤。 目录 修改已存在的模型 使用 TFMA 去评估一个修改后的模型 端到端的例子 正文 TensorFlow模型分析（TFMA）可以将模型的评估图导出到名为EvalSavedModel的特殊SavedModel中。 （请注意，使用的是评估图，而不是用于训练或推理的图。）EvalSavedModel包含其他信息，这些信息使TFMA可以在大量数据和用户定义的数据上以分布式方式计算模型中定义的相同评估指标。 片。 修改现有模型 要将现有模型与TFMA一起使用，请首先修改模型以导出EvalSavedModel。 通过添加对tfma.export.export...

导语： 本文是 tensorflow 手册翻译系列的第三十一篇。 本文档介绍模型分析库的使用。 目录 安装 依赖库 开始操作 兼容版本 问题 正文 TensorFlow模型分析（TFMA）是用于评估TensorFlow模型的库。 它允许用户使用他们的培训器中定义的相同指标，以分布式方式评估他们在大量数据上的模型。 这些指标可以在不同的数据切片上计算并在Jupyter笔记本中可视化。 安装 推荐的安装TFMA的方法是使用PyPI软件包： pip install tensorflow-model-analysis 当前，TFMA要求安装TensorFlow，但对TensorFlow PyPI软...

导语： 本文是 tensorflow 手册翻译系列的第三十篇。 本文档介绍 TFX 的模型设计。 正文 在为TFX设计TensorFlow建模代码时，需要注意一些事项，包括选择建模API。 消耗：来自Transform的SavedModel和来自ExampleGen的数据 发射：以SavedModel格式训练的模型 注意：TFX同时支持TensorFlow 1.x和2.0。 但是，Trainer当前不支持Keras Model API。 使用估算器或通过model_to_estimator从Keras模型创建估算器。 模型的输入层应使用由Transform组件创建的SavedModel，并且应将Transform模型的层包含在模型中，以便在导出SavedMode...

导语： 本文是 tensorflow 手册翻译系列的第二十九篇。 本文档介绍tf.Transform的基本概念以及如何使用它们。 目录 定义一个预处理函数 预处理函数例子 批处理 Apache Beam 实现 数据格式和模式 Apache Beam 的输入和输出 下载统计数据集 整合 TensorFlow 训练 正文 本指南介绍了tf.Transform的基本概念以及如何使用它们。它会： 定义预处理功能，即对管线的逻辑描述，该管线将原始数据转换为用于训练机器学习模型的数据。 通过将预处理功能转换为Beam管...