StatisticsGen TFX 파이프라인 구성 요소

StatisticsGen TFX 파이프라인 구성 요소는 다른 파이프라인 구성 요소에서 사용할 수 있는 훈련 및 적용 데이터 모두에 대한 특성 통계를 생성합니다. StatisticsGen은 Beam을 사용하여 대규모 데이터세트로 확장합니다.

• 입력: ExampleGen 파이프라인 구성 요소로 만들어진 데이터세트
• 출력: 데이터세트 통계

StatisticsGen 및 TensorFlow 데이터 검증

StatisticsGen은 데이터세트에서 통계를 생성하기 위해 TensorFlow 데이터 검증을 광범위하게 사용합니다.

StatsGen 구성 요소 사용하기

StatisticsGen 파이프라인 구성 요소는 일반적으로 배포가 매우 쉽고 사용자 정의가 거의 필요하지 않습니다. 일반적인 코드는 다음과 같습니다.

from tfx import components

...

compute_eval_stats = components.StatisticsGen(
      examples=example_gen.outputs['examples'],
      name='compute-eval-stats'
      )

스키마와 StatsGen 구성 요소 사용하기

파이프라인의 첫 번째 실행에서 StatisticsGen의 출력은 스키마를 추론하는 데 사용됩니다. 그러나 후속 실행에서는 데이터세트에 대한 추가 정보를 포함하는 수동으로 큐레이팅된 스키마가 있을 수 있습니다. 이 스키마를 StatisticsGen에 제공함으로써 TFDV는 데이터세트의 선언된 속성을 기반으로 더 유용한 통계를 제공할 수 있습니다.

이 설정에서 다음과 같이 ImporterNode에서 가져온 큐레이팅된 스키마로 StatisticsGen을 호출합니다.

from tfx import components
from tfx.types import standard_artifacts

...

user_schema_importer = components.ImporterNode(
    instance_name='import_user_schema',
    source_uri=user_schema_dir, # directory containing only schema text proto
    artifact_type=standard_artifacts.Schema)

compute_eval_stats = components.StatisticsGen(
      examples=example_gen.outputs['examples'],
      schema=user_schema_importer.outputs['result'],
      name='compute-eval-stats'
      )

큐레이팅된 스키마 만들기

TFX의 Schema는 TensorFlow Metadata Schema proto의 인스턴스입니다. 처음부터 텍스트 형식으로 구성할 수 있습니다. 하지만 SchemaGen에서 생성한 추론된 스키마를 시작점으로 사용하기가 더 쉽습니다. SchemaGen 구성 요소가 실행되면 스키마는 다음 경로의 파이프라인 루트 아래에 있습니다.

<pipeline_root>/SchemaGen/schema/<artifact_id>/schema.pbtxt

여기서 <artifact_id>는 MLMD에서 이 버전의 스키마에 대한 고유 ID를 나타냅니다. 그런 다음 스키마 proto를 수정하여 안정적으로 추론할 수 없는 데이터세트에 대한 정보를 전달할 수 있습니다. 그러면 StatisticsGen의 출력이 더 유용해지고 ExampleValidator 구성 요소에서 수행되는 검증이 더 엄격해집니다.