Opis

W tym module dowiesz się, jak minimalizować występowanie uprzedzeń przy użyciu techniki MinDiff oraz biblioteki TensorFlow Model Remediation.

Cele szkolenia

1. Zapoznanie ze zbiorem danych tekstowych o toksyczności.
2. Utworzenie i wytrenowanie modelu klasyfikacji toksyczności.
3. Sprawdzenie uprzedzeń występujących w modelu przez umieszczenie wyników prognozy na wykresie.
4. Zastosowanie techniki MinDiff z wykorzystaniem biblioteki TensorFlow Model Remediation.
5. Porównanie wyników modelu bazowego i modelu po zastosowaniu techniki MinDiff.

Zadanie 0. Konfiguracja i wymagania

W przypadku każdego modułu otrzymujesz bezpłatnie i na określony czas nowy projekt Google Cloud oraz zbiór zasobów.

1. Zaloguj się w Qwiklabs za pomocą okna incognito.

2. Zwróć uwagę na czas dostępu do modułu (np. 1:15:00) i upewnij się, że dasz radę go ukończyć w tych ramach czasowych.
   Nie można wstrzymać wykonywania modułu. Można go ponownie uruchomić, ale wtedy trzeba zacząć od początku.

3. Gdy wszystko będzie gotowe, kliknij Rozpocznij moduł.

4. Zanotuj dane logowania do modułu (nazwę użytkownika i hasło). Będziesz ich używać do logowania się w Google Cloud Console.

5. Kliknij Otwórz konsolę Google.

6. Kliknij Użyj innego konta, a następnie skopiuj dane logowania do tego modułu i wklej je w odpowiednich polach.
   Jeśli użyjesz innych danych logowania, wystąpi błąd lub zostaną naliczone opłaty.

7. Zaakceptuj warunki i pomiń stronę zasobów przywracania.

Włączanie interfejsu Notebooks API

1. W Menu nawigacyjnym konsoli Google Cloud kliknij Interfejsy API i usługi > Biblioteka.

2. Wyszukaj Notebooks API i naciśnij ENTER.

3. Kliknij wynik Notebooks API i jeśli ten interfejs nie jest włączony, kliknij Włącz.

Włączanie interfejsu Vertex AI API

1. W Menu nawigacyjnym konsoli Google Cloud kliknij Vertex AI > Panel.

2. Kliknij WŁĄCZ WSZYSTKIE ZALECANE INTERFEJSY API.

Kliknij Sprawdź postępy, aby zobaczyć, jak Ci poszło. Włączenie interfejsów Notebooks i Vertex AI API

Zadanie 1. Otwieranie instancji Vertex AI Workbench

1. W Menu nawigacyjnym konsoli Google Cloud kliknij Vertex AI > Workbench.

2. Na stronie Notatniki zarządzane przez użytkownika kliknij UTWÓRZ NOWĄ i wybierz TensorFlow Enterprise 2.12 (Intel® MKL-DNN/MKL).

3. Zastosuj domyślną strefę i region: . Pozostaw inne ustawienia bez zmian i kliknij Utwórz. Uruchomienie nowej maszyny wirtualnej potrwa 2–3 minuty.

4. Kliknij Open JupyterLab (Otwórz JupyterLab). Okno JupyterLab otworzy się w nowej karcie.

Kliknij Sprawdź postępy, aby zobaczyć, jak Ci poszło. Utworzenie instancji Vertex AI Workbench

Zadanie 2. Sklonowanie repozytorium używanego w trakcie szkolenia w ramach instancji Vertex AI Workbench

Aby sklonować notatnik w instancji JupyterLab:

1. Otwórz nowe okno terminala w JupyterLab.

2. Uruchom to polecenie w wierszu poleceń:

3. Aby potwierdzić, że repozytorium zostało sklonowane, kliknij dwukrotnie folder asl-ml-immersion i sprawdź, czy widzisz jego zawartość. W tym katalogu znajdują się pliki wszystkich opartych na notatnikach modułów Jupyter będących częścią tego szkolenia.

Kliknij Sprawdź postępy, aby zobaczyć, jak Ci poszło. Sklonowanie repozytorium używanego w trakcie szkolenia w ramach instancji Notatników platformy Vertex AI

Zadanie 3. Minimalizowanie występowania uprzedzeń przy użyciu biblioteki TensorFlow Model Remediation

1. W interfejsie notatnika przejdź do asl-ml-immersion > notebooks > responsible_ai > fairness > solutions i otwórz min_diff_keras.ipynb.

2. Nie wychodząc z interfejsu notatnika, kliknij Edytuj > Wyczyść wszystkie dane wyjściowe.

3. Uważnie przeczytaj instrukcje w notatniku i uruchom go.

Wskazówka: aby uruchomić bieżącą komórkę, kliknij ją i naciśnij SHIFT + ENTER. Lista pozostałych poleceń dotyczących komórek znajduje się w interfejsie notatnika w sekcji Uruchom.

Kończenie modułu

Po ukończeniu modułu kliknij End Lab (Zakończ moduł). Qwiklabs usunie wykorzystane zasoby i wyczyści konto.

Po zakończeniu modułu będzie można ocenić związane z nim wrażenia. Wybierz odpowiednią liczbę gwiazdek, wpisz komentarz, a następnie kliknij Submit (Prześlij).

Liczba gwiazdek oznacza odpowiednie oceny:

• 1 gwiazdka – bardzo zła,
• 2 gwiazdki – zła,
• 3 gwiazdki – neutralna,
• 4 gwiazdki – dobra,
• 5 gwiazdek – bardzo dobra.

Jeśli nie chcesz dzielić się swoją opinią, możesz zamknąć okno dialogowe.

Jeśli chcesz przesłać swoją opinię, sugestie lub propozycje poprawek, użyj karty Support (Pomoc).

Copyright 2020 Google LLC. Wszelkie prawa zastrzeżone. Google i logo Google są znakami towarowymi Google LLC. Wszelkie inne nazwy firm i produktów mogą być znakami towarowymi odpowiednich podmiotów, z którymi są powiązane.