41、模型训练与部署流程：TFX评估与预测服务指南

模型训练与部署流程：TFX评估与预测服务指南

1. 资源评估与环境考量

在模型部署前，需进行最终的扩展评估，以确定模型使用的资源。不同环境下，评估目的有所不同：
- 受限环境（如手机或物联网设备） ：需确认候选模型是否能满足部署模型的操作要求。
- 非受限环境（如自动扩展的云计算实例） ：要明确新模型是否符合投资回报率的成本要求。

2. TFX评估

使用TFX评估当前训练的模型，以决定其是否成为下一个受认可的模型，主要使用Evaluator和InfraValidator组件。

2.1 Evaluator组件

Evaluator组件在Trainer组件完成后执行，用于将模型与基线进行评估。需向其提供来自ExampleGen组件的评估数据集和Trainer组件的训练模型。若存在之前受认可的模型，也需提供。

from tfx.components import Evaluator, ResolverNode
import tensorflow_model_analysis as tfma

evaluator = Evaluator(examples=example_gen.output['examples'],   
                      model=trainer.output['model'],             
                      baseline_model=None,