Ein Projekt mit dem Namen ML Metadata (MLMD), welches für das Speichern von Metadaten zum Training von Machine-Learning-Modellen eingesetzt wird, wurde nun von dem Team hinter TensorFlow Extended (TFX) veröffentlicht. Dieses soll Hilfe beim Versionieren des Trainings und der Analyse von Zusammenhängen leisten. Zudem bringt das Projekt eine API zum Speichern und Abrufen von Metadaten mit und kann mit unterschiedlichen Datenbanken arbeiten.

TensorFlow Extended dient dem Erstellen und Verwalten von Machine-Learning-Pipelines. ML Metadata soll nun das Training von ML-Modellen, ähnlich wie Sourcecode mit Versionsverwaltungssystemen, versionieren und analysieren. Verfügbar ist das Projekt als Integration in die TFX-Plattform, sowie auch als eigenständige Library.

Informationen zum verwendeten Datensatz und der verwendeten Hyperparameter werden von ML Metadata für die einzelnen Trainingsschritte gespeichert. Jeder Schritt in der Pipeline wird, genauso wie auch Eingabe- und Ausgabe-Artefakte von Client-Libraries, von MLMD überwacht und verwaltet. Eine GUI hilft bei der Daten-Verwaltung und -Analyse. Als Backend zum Speichern lassen sich verschiedene Datenbank-Librarys, wie MySQL oder SQLite verwenden. Data Scientists können mithilfe der Analysefunktionen Artefakte nach bestimmten Vorgaben filtern und Experimente oder Trainingsabläufe vergleichen. Die Schritte einzelner Artefakte lassen sich schließlich rückverfolgen, um etwa zu erkennen, welche Daten in das Training eingeflossen sind.

Dem TensorFlow-Blog sind weitere Details zu entnehmen. Ein von dem TFX-Team veröffentlichtes Tutorial soll beim Einstieg helfen.

(jb, hannover)

(siehe auch: Heise-News-Ticker)

Hannover · EDV-Beratung · Linux · Novell · Microsoft · Seminar · IT-Consult · Netzwerk · LPIC · CLE