Temos dois notebooks de exemplo para ajudar você a testar o AI Explanations com o AI Platform. Um deles demonstra como conseguir atribuições de recursos com dados tabulares, e o outro como conseguir atribuições de recursos com dados de imagem.
Antes de começar
Antes de usar a AI Explanations, verifique se é possível treinar e implantar um modelo na AI Platform:
- Configure o ambiente de desenvolvimento local.
- Configure um projeto do GCP com faturamento e ative as APIs necessárias.
- Crie um bucket do Cloud Storage para armazenar o pacote de treinamento e o modelo treinado.
Para configurar seu projeto do GCP, siga as instruções fornecidas nos notebooks de exemplo.
Ambientes de notebook
Cada notebook de exemplo pode ser executado nos seguintes ambientes:
Notebooks de exemplo
Cada notebook de exemplo demonstra o processo completo de treinamento de um modelo, implantando-o para inferência, recebendo previsões e solicitando explicações com o TensorFlow 2. Além disso, os dois notebooks mostram como visualizar explicações usando o SDK da Explainable AI. Para começar, selecione um notebook de exemplo:
- AI Explanations: para explicar um modelo de dados tabulares, são usados dados meteorológicos e do sistema de bicicletas públicas para prever a duração de um passeio de bicicleta. Este notebook mostra como recuperar atribuições de atributos para dados estruturados.
- AI Explanations: explicação sobre um modelo de dados de imagem demonstra atribuições de recursos em imagens para um modelo de classificação treinado no conjunto de dados Flowers do TensorFlow. Este notebook demonstra como usar as técnicas de gradientes integrados e XRAI da AI Explanations.
Além disso, os notebooks de exemplo que usam o TensorFlow 1.15 também estão disponíveis:
A fonte de todos os notebooks também está disponível no GitHub.
A seguir
- Leia uma visão geral conceitual do AI Explanations.
- Entenda as limitações do AI Explanations.