इस पेज का अनुवाद Cloud Translation API से किया गया है.
Switch to English

TensorFlow Addons




TensorFlow Addons योगदान का एक भंडार है जो अच्छी तरह से स्थापित एपीआई पैटर्न के अनुरूप है, लेकिन कोर TensorFlow में उपलब्ध नई कार्यक्षमता को लागू नहीं करता है। TensorFlow मूल रूप से बड़ी संख्या में ऑपरेटरों, परतों, मैट्रिक्स, घाटे और ऑप्टिमाइज़र का समर्थन करता है। हालांकि, एमएल की तरह तेजी से आगे बढ़ने वाले क्षेत्र में, कई दिलचस्प नए विकास हैं जिन्हें कोर टेंसॉरफ्लो में एकीकृत नहीं किया जा सकता है (क्योंकि उनकी व्यापक प्रयोज्यता अभी तक स्पष्ट नहीं है, या इसका उपयोग ज्यादातर समुदाय के एक छोटे उपसमुच्चय द्वारा किया जाता है)।

स्थापना

स्थिर बनाता है

नवीनतम संस्करण स्थापित करने के लिए, निम्नलिखित चलाएँ:

 pip install tensorflow-addons
 

Addons का उपयोग करने के लिए:

 import tensorflow as tf
import tensorflow_addons as tfa
 

संभवतः नए उपयोगकर्ताओं के लिए बनाया गया स्थिर सॉफ्टवेयर

रात के समय पाइप पैकेज के तहत TensorFlow Addons के रात्रिकालीन निर्माण भी होते हैं, जो tfa-nightly के नवीनतम स्थिर संस्करण के विरुद्ध बनाया गया है। नाइटली बिल्ड में नई सुविधाएँ शामिल हैं, लेकिन संस्करण रिलीज़ की तुलना में कम स्थिर हो सकते हैं।

 pip install tfa-nightly
 

स्रोत से स्थापना

आप स्रोत से भी इंस्टॉल कर सकते हैं। इसके लिए Bazel बिल्ड सिस्टम की आवश्यकता होती है।

 git clone https://github.com/tensorflow/addons.git
cd addons

# If building GPU Ops (Requires CUDA 10.0 and CuDNN 7)
export TF_NEED_CUDA=1
export CUDA_HOME="/path/to/cuda10" (default: /usr/local/cuda)
export CUDNN_INSTALL_PATH="/path/to/cudnn" (default: /usr/lib/x86_64-linux-gnu)

# This script links project with TensorFlow dependency
python3 ./configure.py

bazel build build_pip_pkg
bazel-bin/build_pip_pkg artifacts

pip install artifacts/tensorflow_addons-*.whl
 

मूल अवधारणा

Subpackages के भीतर मानकीकृत एपीआई

TF-Addons में यूजर एक्सपीरियंस और प्रोजेक्ट मेंटेनेंस मुख्य अवधारणाएं हैं। इन्हें प्राप्त करने के लिए हमें यह आवश्यक है कि हमारे अतिरिक्त कोर TensorFlow में देखे गए स्थापित API पैटर्न के अनुरूप हों।

GPU / CPU कस्टम-ऑप्स

TensorFlow Addons का एक बड़ा फायदा यह है कि इसमें पहले से तैयार ऑप्स होते हैं। CUDA 10 इंस्टॉलेशन नहीं होना चाहिए तो ऑप अपने आप ही CPU कार्यान्वयन पर वापस आ जाएगा।

प्रॉक्सी रखरखाव

Addons को उप-पैकेज और सबमॉड्यूल्स को कंपार्टमेंट करने के लिए डिज़ाइन किया गया है ताकि वे उन उपयोगकर्ताओं द्वारा बनाए रखा जा सके जिनके पास उस घटक में विशेषज्ञता और निहित स्वार्थ है।

उप-प्रलेख रखने की अनुमति केवल तब दी जाएगी जब लिखित अनुमति वाले उपयोगकर्ताओं की संख्या को सीमित करने के लिए पर्याप्त योगदान दिया गया हो। योगदान मुद्दे के समापन, बग फिक्स, प्रलेखन, नए कोड या मौजूदा कोड के अनुकूलन के रूप में आ सकते हैं। सबमॉड्यूल मेंटेनरशिप को प्रवेश के लिए एक कम अवरोध के साथ दिया जा सकता है क्योंकि इसमें रेपो के लिए लिखित अनुमति शामिल नहीं होगी।

अधिक जानकारी के लिए इस विषय पर RFC देखें।

सबपैकेज का आवधिक मूल्यांकन

इस भंडार की प्रकृति को देखते हुए, समय के साथ-साथ उप-पैकेज और सबमॉड्यूल्स समुदाय के लिए कम और उपयोगी हो सकते हैं। रिपॉजिटरी को स्थायी रखने के लिए, हम रेपो के भीतर अभी भी सब कुछ सुनिश्चित करने के लिए अपने कोड की द्वि-वार्षिक समीक्षा करेंगे। इस समीक्षा में योगदानकर्ता निम्न होंगे:

  1. सक्रिय अनुरक्षकों की संख्या
  2. ओएसएस की राशि का उपयोग
  3. कोड के लिए जिम्मेदार मुद्दों या कीड़े की मात्रा
  4. अगर अब एक बेहतर समाधान उपलब्ध है

TensorFlow Addons के भीतर कार्यशीलता को तीन समूहों में वर्गीकृत किया जा सकता है:

  • सुझाव : अच्छी तरह से बनाए रखा एपीआई; उपयोग को प्रोत्साहित किया जाता है।
  • निराश : एक बेहतर विकल्प उपलब्ध है; एपीआई को ऐतिहासिक कारणों से रखा गया है; या एपीआई को रखरखाव की आवश्यकता होती है और यह पदावनत होने की प्रतीक्षा अवधि है।
  • पदावनत : अपने जोखिम पर उपयोग करें; हटाए जाने के अधीन।

इन तीन समूहों के बीच स्थिति परिवर्तन है: सुझाए गए <-> हतोत्साहित -> पदावनत।

API के बीच की अवधि को पदावनत किए जाने और हटाए जाने के बीच की अवधि 90 दिनों की होगी। औचित्य:

  1. इस घटना में कि TensorFlow Addons मासिक रूप से रिलीज़ होता है, एपीआई को हटाए जाने से पहले 2-3 रिलीज़ होंगे। रिलीज नोट उपयोगकर्ता को पर्याप्त चेतावनी दे सकता है।

  2. ९ ० दिन अपने कोड को ठीक करने के लिए रखरखावकर्ताओं को पर्याप्त समय देते हैं।

योगदान

TF-Addons एक समुदाय का नेतृत्व किया ओपन सोर्स प्रोजेक्ट है। जैसे, यह परियोजना सार्वजनिक योगदान, बग-फिक्स और प्रलेखन पर निर्भर करती है। कृपया योगदान करने के बारे में एक गाइड के लिए योगदान दिशानिर्देश देखें। यह परियोजना TensorFlow की आचार संहिता का पालन ​​करती है। भाग लेने से, आपको इस कोड को बनाए रखने की उम्मीद है।

समुदाय

लाइसेंस

अपाचे लाइसेंस 2.0