模型卡
模型卡 是机器学习文档，提供模型开发和性能的上下文和透明度。它们可用于与研究人员、开发人员、记者等共享模型元数据和指标。
模型卡的一些用例包括
- 促进模型构建者和产品开发人员之间信息交换。
- 告知 ML 模型的用户，以便他们能够更明智地决定如何使用它们（或如何不使用它们）。
- 提供有效公共监督和问责制所需的模型信息。
模式
模型卡模式 是一个 proto，描述了模型卡的可用字段。还提供了一个 JSON 接口。这些对象可以与其他系统进行交互，以进行存储、分析或可视化。
目前，模型卡模式受到严格执行。在模型卡工具包 2.0 中，将取消此模式限制。
图形
模型卡工具包会自动为 TFX 数据集和评估结果生成图形。也可以使用 Matplotlib 等工具手动创建图形，并将其写入模型卡 - 有关详细信息，请参阅 模型卡 API。
在模型卡模式中，图形存储在 Graphic.image 字段中，并以 base64 编码字符串 形式编码。模型卡工具包可以帮助您 生成 base64 图像。
模型卡工具包
模型卡工具包 允许您使用简化的 Python 接口生成 模型卡文档 以及 Proto 和 JSON 对象。
模型卡 API
模型卡工具包包含一个模型卡 API，该 API 由一个 Python 类 组成。对模型卡 Python 对象所做的更新将写入模型卡 proto 对象。
图形
可以使用 model_card_toolkit.utils.graphics.figure_to_base64str() 函数将图形（例如 Matplotlib 图形）转换为 base64 字符串。
保存和加载模型卡
如果您已完成模型卡的注释，并希望将其以 JSON 或 protobuf 格式序列化，请使用 ModelCard.save() 方法。
import model_card_toolkit as mct
model_card = mct.ModelCard()
model_card.model_details.name = 'Fine-tuned MobileNetV2 Model for Cats vs. Dogs'
model_card.save('model_cards/cats_vs_dogs.json')
如果您希望还原和更新已保存的模型卡，请使用 model_card_toolkit.model_card.load_model_card() 函数。
import model_card_toolkit as mct
model_card = mct.load_model_card('model_cards/cats_vs_dogs.json')
model_card.model_details.licenses.append(mct.License(identifier='Apache-2.0'))
模型卡文档
默认情况下，生成的模型卡文档是一个基于 default_template.html.jinja 的 HTML 文件。但是，您也可以提供自己的自定义 Jinja 模板。这些模板文件可以是任何基于文本的格式（HTML、Markdown、LaTeX 等）。Markdown 模板 作为示例提供。
TFX 和 MLMD 集成
模型卡工具包与 TensorFlow Extended 和 ML Metadata 工具集成。在模型卡工具包初始化期间，可以使用元数据存储库预填充许多模型卡字段，并生成训练和评估图。
工件 由 MCT 使用
执行 由 MCT 使用
- 训练器：用于填充模型名称和版本
ModelCardGenerator 组件已移至 TFX Addons 库，并且从 2.0.0 版本开始不再打包在模型卡工具包中。在使用该组件之前，您需要安装 tfx-addons 包
pip install tfx-addons[model_card_generator]
请参阅 ModelCardGenerator 指南 并运行 案例研究笔记本，详细了解该组件。