核心指标
潜在事故率
0.005
稳定
整体风险等级
中
稳定
数据质量评分
0.85
上升
事故率趋势
[模拟图表]
风险等级分布
[模拟图表]
数据质量指标
KL 散度
0.12
JS 散度
0.15
Wasserstein 距离
0.20
置信度
0.95
人工评分
4.5
GAN 性能指标
Inception Score
8.2
Fréchet Inception Distance
35.5
Perceptual Path Length
0.025
模型训练指标
对抗攻击成功率
0.03
低置信度预测占比
0.01
Corner Case 分析
| ID | 名称 | 风险等级 | 严重程度 |
|---|
数据溯源
| 数据ID | 数据类型 | 处理过程 | 处理时间 | 参数 |
|---|---|---|---|---|
| 12345 | 图像 | 视频预处理 | 2024-01-26 10:00:00 | [参数详情] |
| 67890 | 激光雷达 | 点云滤波 | 2024-01-26 10:15:00 | [参数详情] |
性能剖析
性能剖析可以帮助您分析模型训练过程中的瓶颈，找到优化方向。
要进行性能剖析，请按照以下步骤操作：
- 确保您的 TensorFlow 版本 >= 2.10，并已安装 TensorBoard。
- 在代码中集成 TensorBoard Callback。
-
运行训练代码，并使用以下命令启动 TensorBoard：
tensorboard --logdir logs/profile
- 在浏览器中打开 TensorBoard，查看性能分析结果。
**注意：** 此处只是一个模拟按钮，实际的性能剖析需要在后端代码中实现。