Kserve文档AIX解释器
type
status
date
slug
summary
tags
category
icon
password
网址
这是一个使用 AI Explainability 360 (AIX360) 在 KServe 上解释模型预测的示例。我们将使用手写数字的 mnist 数据集来训练这个模型，并解释模型是如何得出预测结果的。
创建带有 AIX 解释器的推理服务
要使用 v1beta1 API 部署推理服务
运行解释
稍等片刻后，你会看到一个包含解释的弹窗，类似于下面的图片。本例中使用的LIME方法会以红色高亮显示那些在表明分类时置信度高于特定值的像素。显示的解释将包含一系列带有标题的高亮图像对，用于描述上下文。对于每个标题和图像对，标题将显示
Positive for <X> Actual <Y>，表示X是LIME正在测试的分类，Y是
示例解释
以一个例子来说明，左上角标题为"Positive for 2 Actual 2"的图像中，高亮显示的像素表示这些像素在指示数字2的分类（其中2也是正确的分类）时，置信度高于指定阈值。
同样地，右下角标题为"Positive for 0 Actual 2"的图像中，高亮显示的像素表示这些像素在指示数字0的分类（其中2是正确的分类）时，置信度高于指定阈值。如果模型错误地将图像分类为0，那么通过查看这些特别有问题的高亮像素，你就能得到解释。通过在部署yaml中调高或调低min_weight参数，你可以测试看看模型认为哪些像素对每个分类最相关和最不相关。
要尝试不同的MNIST示例，可以在查询末尾添加一个0-10,000之间的整数。所选的整数将作为MNIST数据集中要选择的图像索引。
要尝试使用不同的解释器参数，可以添加另一个字符串json参数来指定参数。支持修改的参数包括：top_labels、segmentation_alg、num_samples、positive_only和min_weight。
停止推理服务
构建开发版AIX模型解释器Docker镜像
如果你想要构建AIX模型解释器的开发版镜像，请按照这些说明进行操作
故障排除
< Gateway Timeout > - 解释器可能需要太长时间且无法及时发送响应。这可能是因为分配的资源不足，或者解释器允许采样的数量需要减少。要解决这个问题，请转到aix-explainer.yaml并增加资源配置。或者要降低允许的样本数，请转到aix-explainer.yaml并在explainer: command:中添加'--num_samples'标志（默认样本数为1000）如果你看到
Configuration "aixserver-explainer-default" does not have any ready Revision，可能是因为容器下载时间过长。如果运行kubectl get revision后发现你的修订版本卡在ContainerCreating状态，请尝试删除推理服务并重新部署。上一篇
模型存储 - 模型缓存
下一篇
如何贡献代码
Loading...