Rozdział 18. Debugowanie
Na pewno spotkasz się z niejasnymi błędami podczas wdrażania modelu uczenia maszynowego na swoim produkcie, i to prawdopodobnie wcześniej niż później. W tym rozdziale omówimy kilka sposobów na zrozumienie tego, co może się dziać, gdy coś nie działa poprawnie.
Różnica w dokładności między treningiem a wdrożeniem
Podczas przenoszenia modelu uczenia maszynowego ze środowiska takiego jak TensorFlow do aplikacji zazwyczaj pojawia się wiele problemów. Nawet jeśli Twój model działa bez zgłaszania żadnych błędów, wciąż możesz nie osiągać oczekiwanej dokładności. To może być bardzo denerwujące, ponieważ proces wnioskowania sieci neuronowych jawi się niczym czarne pudełko, które nie pozwala zobaczyć, co dzieje się w środku i co ...
Get TinyML now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
