การติดตั้งใช้งานโดยใช้ TF และ TFX

หลักเกณฑ์การทดสอบและการแก้ไขข้อบกพร่องในหลักสูตรนี้อาจมีความซับซ้อนในการใช้งาน คุณใช้หลักเกณฑ์บางรายการได้โดยใช้ TensorFlow และ TensorFlow Extended (TFX) TFX เป็นไปป์ไลน์ ML ตั้งแต่ต้นจนจบตาม TensorFlow สําหรับการสาธิต โปรดดูตัวอย่าง TFX ตั้งแต่ต้นจนจบนี้ ตารางต่อไปนี้จะแสดงรายการแหล่งข้อมูลที่พร้อมให้บริการใน TF และ TFX ตามหลักเกณฑ์ รายการแสดงเฉพาะหลักเกณฑ์ที่ TF หรือ TFX รองรับเท่านั้น

หลักเกณฑ์ การใช้ TF/TFX การใช้งานภายใน Google
หลักเกณฑ์ในการแก้ไขข้อบกพร่องของโมเดล ML
การสํารวจข้อมูลเพื่อทําความเข้าใจ สํารวจข้อมูลของคุณโดยใช้ Pandas หรือ Facet
การตรวจสอบข้อมูลอินพุตโดยใช้สคีมาข้อมูล ใช้การตรวจสอบข้อมูล TensorFlow
การแยกส่วนที่มีคุณภาพ -- TFX แยกข้อมูลแบบสุ่ม แต่ขณะนี้ TFX ยังไม่มีวิธีตรวจสอบคุณภาพของการแยก
การทดสอบข้อมูลทางวิศวกรรม -- เขียนการทดสอบหน่วยสําหรับคอมโพเนนต์ TFX Transform โปรดดูหัวข้อการทดสอบหน่วยสําหรับอินพุต tf.Transform
การใช้การทดสอบสําหรับโค้ด ML ก่อนอื่นให้แก้ไขข้อบกพร่องของโมเดล TF ด้วยEager Execution จากนั้นเขียนการทดสอบด้วยการทดสอบ TensorFlow ดูการทดสอบหน่วยใน TFX และ tfx.unit
การเพิ่มประสิทธิภาพ
การปรับแต่งไฮเปอร์พารามิเตอร์ ใช้การปรับแต่งไฮเปอร์พารามิเตอร์ของ Cloud ML ใช้ TFX Tuner เพื่อปรับแต่งไฮเปอร์พารามิเตอร์พร้อมกัน โปรดดูหัวข้อโมเดลการปรับแต่งอัตโนมัติ
เมตริก
กําลังสร้างเมตริกโมเดล TensorBoard จะแสดงกราฟ TF และเมตริกพล็อตของคุณ โปรดดู Tensorboard: การแสดงภาพกราฟ ดูความช่วยเหลือเฉพาะสําหรับ TensorBoard ของ Google
การติดตั้งใช้งานกับไปป์ไลน์
ตรวจสอบเมตริกไปป์ไลน์โดยรวม -- ดูหน้าแดชบอร์ดเมตริกประสิทธิภาพของ ML
การทดสอบการผสานรวมของไปป์ไลน์ -- ดูการทดสอบการผสานรวม TFX
การทดสอบคุณภาพของโมเดลในเวอร์ชันที่ใช้งานจริง ใช้การวิเคราะห์โมเดล TensorFlow ใช้ TFX Model Validator
ตรวจสอบความเข้ากันได้กับรุ่นในโครงสร้างพื้นฐานก่อนแสดง -- ใช้ TFX Infra Validator
กําลังตรวจสอบความคลาดเคลื่อนของการฝึกในการให้บริการ หลีกเลี่ยงการทําให้ฟีเจอร์บิดเบือนโดยแชร์โค้ดวิศวกรรมฟีเจอร์ ในการฝึกและแสดงผลโดยใช้ TFX Transform โปรดดูการตรวจจับการบิดเบี้ยวการให้บริการการฝึก TFX
การไม่มีอัปเดตของการติดตามรุ่น -- ยังไม่ได้ใช้ ดูข้อบกพร่องของการติดตามคําขอฟีเจอร์