Я использую очень простую модель keras в TFX, чтобы решить проблему регрессии. Кажется, что TFX хочет, чтобы вы использовали модель keras с именованными выходами, поэтому я сделал:
output = {key: tf.keras.layers.Dense(1, name = key)(x)
for key in _transformed_names(_LABEL_KEYS)}
model(inputs, outputs)
Я не понимаю, как оценщик сопоставляет имена меток моего набора данных с выходными именами моей модели.
В моем коде я установил аргумент label_keys and prediction_keys
в tfma.ModelSpec
со списком формы:
[["model output name", "Label key in my Dataset"]]
Кажется, что прото-сообщение создано правильно, но когда я запускаю Evaluator, я получаю следующую ошибку:
ValueError: unable to prepare labels and predictions because the labels and/or predictions are dicts with unrecognized keys. If a multi-output keras model (or estimator) was used check that an output_name was provided. If an estimator was used check that common prediction keys were provided (e.g. logistic, probabilities, etc)
Если я попытаюсь предоставить один ключ метки и один ключ прогнозирования с использованием аргументов label_key
и prediction_key
, я получу следующую ошибку:
TypeError: update_state() takes from 2 to 3 positional arguments but 4 were given [while running 'ExtractEvaluateAndWriteResults/ExtractAndEvaluate/EvaluateMetricsAndPlots/ComputeMetricsAndPlots()/ComputePerSlice/ComputeUnsampledMetrics/CombinePerSliceKey/WindowIntoDiscarding']
Я пробовал всеми возможными способами, но ничего. Есть ли способ использовать модель без именованных выходов (плотный выходной слой с более чем одним узлом)? Или способ решить эту проблему?
P.S. Есть ли учебники по конвейеру TFX с моделью keras с несколькими выходами?
Спасибо.