
334
|
第
7
章
为了将模型部署到具有可解释性的
AI Platform
上,我们首先需要创建一个元数据文
件,它将被解释服务用来计算特征归因。该元数据是在一个
JSON
文件中提供的,包
含关于我们想要使用的基线和我们想要解释的模型部分的信息。为了简化这个过程,
Explainable AI
提供了一个
SDK
,将通过以下代码生成元数据:
from explainable_ai_sdk.metadata.tf.v2 import SavedModelMetadataBuilder
model_dir = 'path/to/savedmodel/dir'
model_builder = SavedModelMetadataBuilder(model_dir)
model_builder.set_image_metadata('input_tensor_name')
model_builder.save_metadata(model_dir)
这段代码没有指定模型基线,这意味着它将使用默认值
(
对于图像模型,这是一个
黑白图像
)
。我们可以选择向
set_image_metadata
添加一个
input_baselines
参
数来指定一个自定义基线。运行上面的
save_metadata
方法在模型目录中创建一
个
explation_metadata.json
文件(完整的代码在
GitHub
存储库,
https://github.com/
GoogleCloudPlatform/ml-design-patterns/blob/master/ ...