Wir haben zwei Beispiel-Notebooks, mit denen Sie AI Explanations mit AI Platform ausprobieren können. Mit einem dieser Notebooks wird demonstriert, wie Sie Feature-Attributionen mit Tabellendaten erhalten, und mit dem anderen, wie Sie Feature-Attributionen mit Bilddaten erhalten.
Hinweise
Bevor Sie AI Explanations verwenden, müssen Sie dafür sorgen, dass Sie ein Modell in AI Platform trainieren und bereitstellen können:
- Einrichten einer lokalen Entwicklungsumgebung
- GCP-Projekt mit Abrechnung und den erforderlichen APIs einrichten
- Erstellen Sie einen Cloud Storage-Bucket zum Speichern des Trainingspakets und des trainierten Modells.
Gehen Sie zur Einrichtung Ihres GCP-Projekts nach der Anleitung in den Beispiel-Notebooks vor.
Notebook-Umgebungen
Jedes Beispiel-Notebook kann in den folgenden Notebook-Umgebungen ausgeführt werden:
Beispiel-Notebooks
Jedes Beispiel-Notebook zeigt den vollständigen Prozess zum Trainieren eines Modells, zum Bereitstellen für Inferenz, zum Abrufen von Vorhersagen und zum Anfordern von Erklärungen mit TensorFlow 2. Außerdem zeigen beide Notebooks, wie Erläuterungen mithilfe des Explainable AI SDK dargestellt werden. Wählen Sie zuerst ein Beispiel-Notebook aus:
- AI Explanations: Erläuterung eines Modells mit Tabellendaten, in dem anhand von Wetter- und Fahrradverleihdaten die Dauer einer Fahrradtour vorhergesagt wird, sowie Informationen zum Abrufen von Featureattributionen für strukturierte Daten
- AI Explanations: Erläuterung eines Modells mit Bilddaten, bei der Feature-Attributionen für Bilder anhand eines mit dem TensorFlow-Blumen-Dataset trainierten Klassifizierungsmodells veranschaulicht werden Dieses Notebook demonstriert die Verwendung von AI Explanations integrierten Farbverläufen und XRAI-Methoden.
Außerdem sind Beispiel-Notebooks mit TensorFlow 1.15 verfügbar:
Der Quellcode für alle Notebooks ist auch auf GitHub verfügbar.