MLメタデータによる優れたMLエンジニアリング | TFX | TensorFlow
MLメタデータによる優れたMLエンジニアリング コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。 ペンギンを分類するために本番MLパイプラインを設定するシナリオを想定します。パイプラインはトレーニングデータを取り込み、モデルをトレーニングして評価し、それを本番環境にプッシュします。 ただし、後でさまざまな種類のペンギンを含むより大きなデータセットでこのモデルを使用しようとすると、モデルが期待どおりに動作せず、種の分類が正しく開始されないことがわかります。 この時点で、あなたは知ることに興味があります： 利用可能なアーティファクトが本番環境のモデルのみである場合、モデルをデバッグするための最も効率的な方法は何ですか？モデルのトレーニングに使用されたトレーニングデータセットはどれですか？この誤ったモデルにつながったトレーニングの実行はどれですか？モデルの評価結果
models/im2txt at master · tensorflow/models · GitHub
README.md Show and Tell: A Neural Image Caption Generator A TensorFlow implementation of the image-to-text model described in the paper: "Show and Tell: Lessons learned from the 2015 MSCOCO Image Captioning Challenge." Oriol Vinyals, Alexander Toshev, Samy Bengio, Dumitru Erhan. IEEE transactions on pattern analysis and machine intelligence (2016). Full text available at: http://arxiv.org/abs/1609
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
community/rfcs/20191017-tfx-standardized-inputs.md at master · tensorflow/community
https://dl.acm.org/doi/pdf/10.1145/3399579.3399868
Open Source TensorFlow Models (Google I/O '17)
GitHub - fchollet/deep-learning-models: Keras code and weights files for popular deep learning models.
GitHub - ethereon/caffe-tensorflow: Caffe models in TensorFlow
