Améliorer les explications pour la classification d'images AutoML
Restez organisé à l'aide des collections
Enregistrez et classez les contenus selon vos préférences.
Lorsque vous utilisez des modèles d'image AutoML, vous pouvez configurer des paramètres spécifiques pour améliorer vos explications.
Les méthodes d'attribution des caractéristiques Vertex Explainable AI s'appuient sur des variantes de valeurs de Shapley. Étant donné que les valeurs de Shapley sont très coûteuses en calcul, Vertex Explainable AI fournit des approximations au lieu de valeurs exactes.
Vous pouvez réduire l'erreur d'approximation et vous rapprocher des valeurs exactes en modifiant les entrées suivantes :
Augmentez le nombre d'étapes d'intégration ou de chemins.
Augmenter le nombre d'étapes
Pour réduire l'erreur d'approximation, vous pouvez augmenter :
le nombre d'étapes d'intégration dans l'interface utilisateur
Sauf indication contraire, le contenu de cette page est régi par une licence Creative Commons Attribution 4.0, et les échantillons de code sont régis par une licence Apache 2.0. Pour en savoir plus, consultez les Règles du site Google Developers. Java est une marque déposée d'Oracle et/ou de ses sociétés affiliées.
Dernière mise à jour le 2025/02/14 (UTC).
[[["Facile à comprendre","easyToUnderstand","thumb-up"],["J'ai pu résoudre mon problème","solvedMyProblem","thumb-up"],["Autre","otherUp","thumb-up"]],[["Difficile à comprendre","hardToUnderstand","thumb-down"],["Informations ou exemple de code incorrects","incorrectInformationOrSampleCode","thumb-down"],["Il n'y a pas l'information/les exemples dont j'ai besoin","missingTheInformationSamplesINeed","thumb-down"],["Problème de traduction","translationIssue","thumb-down"],["Autre","otherDown","thumb-down"]],["Dernière mise à jour le 2025/02/14 (UTC)."],[],[]]
