Bu kurstaki test ve hata ayıklama yönergelerini uygulamak karmaşık olabilir. Bazı yönergeleri TensorFlow ve TensorFlow Genişletilmiş (TFX) kullanarak uygulayabilirsiniz. TFX, TensorFlow'u temel alan uçtan uca bir makine öğrenimi hattıdır. Demo için bu TFX örneğini inceleyin. Uçtan uca örneği tamamlamak için aşağıdaki tabloda TF ve TFX'teki kullanılabilir kaynaklar kurala göre listelenmiştir. Yalnızca TF veya TFX tarafından desteklenen yönergeler listelenir.
Kural | TF/TFX Uygulaması | Google'ın Şirket İçi Kullanımı |
---|---|---|
ML modelinizde hata ayıklama kuralları | ||
Anlamak için verilerinizi keşfetme | Pandas veya Façeta kullanarak verilerinizi keşfedin.
|
|
Giriş verilerini veri şeması kullanarak doğrulama | TensorFlow Veri Doğrulaması'nı kullanın. |
|
Bölmelerin iyi kalitede olmasını sağlama | -- | TFX, verileri rastgele böler. Ancak, şu anda TFX, bölümlerinizin kalitesini izlemek için bir yol sağlamamaktadır. |
Mühendislik verilerini test etme | -- | TFX dönüşümü bileşeni için birim testleri yazın. tf.transform girişlerinde birim testleri başlıklı makaleyi inceleyin. |
ML kodu için testler uygulama | İlk olarak, Eager Execution ile TF modellerinizde hata ayıklayın. Ardından Tensorflow Testleri ile testler yazın. | TFX'te birim testi ve tfx.unit bölümlerine bakın. |
Optimizasyon | ||
Hiperparametreleri ayarlama | Cloud ML'nin hiperparametre ayarını kullanın. | Hiperparametreleri paralel olarak ayarlamak için TFX Tarayıcısını kullanın. Modelleri Otomatik Ayarlama başlıklı makaleye bakın. |
Metrikler | ||
Model metrikleri oluşturuluyor | TensorBoard, TF grafiğinizi görselleştirir ve metrikleri çizer. Tensorboard: Grafik Görselleştirme bölümüne bakın. | Google'a özel TensorBoard yardımına bakın. |
Ardışık Düzene Dağıtım | ||
Genel ardışık düzen metriklerini izleme | -- | ML Durum Metrikleri kontrol panelini inceleyin. |
Ardışık düzenin entegrasyon testi | -- | TFX Entegrasyon Testi bölümünü inceleyin. |
Üretimde model kalitesini test etme | Tensorflow Model Analizi'ni kullanın. | TFX ModelVerifyator'ı kullanma |
Sunumdan önce model altyapı uyumluluğunu doğrulama | -- | TFX InfraVerifyator'ı kullanın. |
Eğitim sunma sapması kontrol ediliyor | TFX Dönüşümü kullanarak eğitim ve hizmet genelinde özellik mühendisliği kodunu paylaşarak özellik sapmasından kaçının. | TFX Eğitim Sunum Eğimi Algılama bölümüne bakın. |
İzleme modeli eskiliği | -- | Uygulanmadı. Özellik isteği izleme hatası bölümüne bakın. |