tensorflow模型评估任务配置

{
        "job_detail": {
            "script_name": "<str>",
            "evaluation_args": {
                "losses": "<str|dict>",
                "batch_size": <int>,
                "metrics": <str|dict>,
                "model_call_exclude_input_index": <int>|[<int>...],
                "input_squeeze": <bool>,
                "models": [
                    {
                        "name": "<str>",
                        "path": "<str>"
                    },
                    ...
                ],
                "output_file": "<str>"
            },
            "test_data_args": {
            	"<str>": <any>
            }
        }
}

job_detail: 任务的详细描述，其下字段有：
- script_name：用户脚本文件名，默认在包目录中，支持相对路径
- evaluation_args：评估流程详细参数，其下字段有：
  - losses：用法与训练时一样。
  - batch_size：评估数据的批次大小
  - metrics：用法与训练时一样，但是可以使用与训练时不同的metric
  - model_call_exclude_input_index：当模型数据集有多输入时，call模型时是否要排除某些输入。一般情况下不用设置这个参数，目前唯一的使用场景是使用gauc metric时，因为metric输入中需要加上用户标识uid，而在模型训练或者预测时这个uid又是用不到的，这样在Dataset输出和模型输入上就有了差异，此时可以通过设置这个参数来修改call模型时候的输入。
  - input_squeeze：与model_call_exclude_input_index类似，一般情况下也用不到，主要是标识如果call模型输入中去掉了model_call_exclude_input_index设置的几路输入后只剩下一路，是否需要去掉输入外层的tuple或list，类似于张量处理中的squeeze压缩。
  - models：需要作为对比的模型数组，其中每个模型有如下字段（!!#cc0000 有多个模型对比时，最后一个模型将被视为基线模型!!）：
    - name：模型名称
    - path：模型文件所在目录，可以使用 ${ONLINE_MODEL}$ 魔法变量 !!#ff00ff 注意所有模型应该具有相同的输入和输出，另外models数组中的最后一个模型将被认为是基线模型!!
  - output_file：评估结果输出文件名字（!!#cc0000 不要包含路径名，输出文件会放在数据目录下!!），文件内容是一个json dict格式。其中包含所有模型的评估结果，!!#cc0000 一般如果下游要接部署任务的话，可以配置output_file，并把这个文件名配置为部署任务的upstream_output_file，这样部署任务就会从这个文件里面获得最优模型的路径。!!
  - test_data_args：awf_create_test_dataset_fn回调函数的参数，关于awf_create_test_dataset_fn请参考[]。

2.9 KiB Raw Blame History Unescape Escape

tensorflow模型评估任务配置

2.9 KiB

Raw Blame History