Le linee guida per il test e il debug in questo corso possono essere complesse da implementare. Puoi implementare alcune delle linee guida utilizzando TensorFlow e TensorFlow esteso (TFX). TFX è una pipeline di ML end-to-end basata su TensorFlow. Per una demo, guarda questo esempio di TFX end-to-end. Per completare l'esempio end-to-end, la seguente tabella elenca le risorse disponibili in TF e TFX in base alle linee guida. Sono elencate solo le linee guida supportate da TF o TFX.
Linee guida | Implementazione di TF/TFX | Implementazione interna di Google |
---|---|---|
Linee guida per il debug del modello ML | ||
Esplorazione dei dati per comprenderli | Esplora i dati utilizzando Panda o Facet.
|
|
Convalida dei dati di input tramite uno schema di dati | Utilizza la convalida dei dati di TensorFlow. |
|
Assicurarsi che le suddivisioni siano di buona qualità | -- | TFX divide i dati in modo casuale. Tuttavia, attualmente il formato TFX non fornisce un modo per monitorare la qualità delle suddivisioni. |
Test di dati tecnici | -- | Scrivere test delle unità per il componente Trasformazione TFX. Consulta la sezione Test delle unità per gli input tf.Transform. |
Implementazione dei test per il codice ML | Innanzitutto, esegui il debug dei modelli TF con Eager Execution. Quindi scrivi i test con Tensorflow Testing. | Consulta la sezione Test delle unità in TFX e tfx.unit. |
Ottimizzazione | ||
Regolazione degli iperparametri | Utilizza l'ottimizzazione degli iperparametri di Cloud ML. | Usa il sintonizzatore TFX per regolare gli iperparametri in parallelo. Consulta Regolazione automatica dei modelli. |
Metriche | ||
Generazione delle metriche del modello in corso... | TensorBoard mostra il grafico TF e traccia le metriche. Vedi TensorBoard: visualizzazione grafico. | Consulta la guida di TensorBoard specifica per Google. |
Deployment in pipeline | ||
Monitora le metriche generali della pipeline | -- | Consulta la dashboard delle Metriche di salute ML. |
Test di integrazione della pipeline | -- | Consulta la pagina Test di integrazione TFX. |
Testare la qualità del modello in produzione | Utilizza l'analisi del modello Tensorflow. | Utilizza TFX ModelValidator |
Convalida della compatibilità dell'infrastruttura del modello prima della pubblicazione | -- | Usa TFX Infravalidator. |
Controllo del disallineamento addestramento/produzione | Evita il disallineamento delle funzionalità condividendo il codice di progettazione delle funzionalità durante l'addestramento e la pubblicazione tramite TFX Transform. | Consulta la sezione Rilevamento del disallineamento addestramento/produzione TFX. |
Livello di inattività del modello di monitoraggio | -- | Non implementata. Consulta il bug relativo al monitoraggio della richiesta di funzionalità. |