Weź udział w sympozjum Women in ML 7 grudnia Zarejestruj się teraz

Montaż

Zadbaj o dobrą organizację dzięki kolekcji Zapisuj i kategoryzuj treści zgodnie ze swoimi preferencjami.

Instalacja z Pip

Zainstaluj lasy decyzyjne TensorFlow, uruchamiając:

# Install TensorFlow Decision Forests.
pip3 install tensorflow_decision_forests --upgrade

Następnie sprawdź instalację za pomocą:

# Check the version of TensorFlow Decision Forests.
python3 -c "import tensorflow_decision_forests as tfdf; print('Found TF-DF v' + tfdf.__version__)"

Zbuduj ze źródła

Linux

Organizować coś

Wymagania

  • Bazel >= 3.7.2
  • Python >= 3
  • Gita
  • Pakiety Pythona: numpy tensorflow pandy

Zamiast ręcznie instalować zależności, możesz użyć dokera TensorFlow Build . Jeśli wybierzesz tę opcję, zainstaluj Docker:

Kompilacja

Pobierz Lasy decyzyjne TensorFlow w następujący sposób:

# Download the source code of TF-DF.
git clone https://github.com/tensorflow/decision-forests.git
cd decision-forests

Opcjonalnie: Lasy decyzyjne TensorFlow zależą od Lasów decyzyjnych Yggdrasil . Jeśli chcesz edytować kod Yggdrasil, możesz sklonować github Yggdrasil i odpowiednio zmienić ścieżkę w third_party/yggdrasil_decision_forests/workspace.bzl .

Opcjonalnie: jeśli chcesz użyć opcji docker, uruchom skrypt start_compile_docker.sh i przejdź do następnego kroku. Jeśli nie chcesz korzystać z opcji Docker, przejdź bezpośrednio do następnego kroku.

# Optional: Install and start the build docker.
./tools/start_compile_docker.sh

Skompiluj i uruchom testy jednostkowe TF-DF za pomocą następującego polecenia. Zauważ, że test_bazel.sh jest skonfigurowany dla python3.8 i domyślnego kompilatora na twoim komputerze. Edytuj plik bezpośrednio, aby zmienić tę konfigurację.

# Build and test TF-DF.
./tools/test_bazel.sh

Utwórz i przetestuj pakiet pip za pomocą następującego polecenia. Zastąp python3.8 wersją Pythona, której chcesz użyć. Zauważ, że nie musisz używać tej samej wersji Pythona, co w skrypcie test_bazel.sh .

Jeśli twoja konfiguracja jest kompatybilna z manylinux2014 , zostanie manylinux2014 pakiet pip kompatybilny z manylinux2014.

Jeśli twoja konfiguracja nie jest kompatybilna z manylinux2014, zostanie utworzony pakiet pip niekompatybilny z manylinux2014 , a ostateczna kontrola zakończy się niepowodzeniem. Nie ma znaczenia, czy chcesz używać TF-DF na własnej maszynie. Prostym sposobem na zapewnienie kompatybilności kompilacji manylinux2014 jest użycie wspomnianego powyżej dockera.

# Build and test a Pip package.
./tools/build_pip_package.sh python3.8

To polecenie zainstaluje pakiet TF-DF pip i uruchomi przykład w example examples/minimal.py . Pakiet Pip znajduje się w katalogu dist/ .

Jeśli chcesz utworzyć pakiet Pip dla innej zgodnej wersji Pythona, uruchom:

# Install the other versions of python (assume only python3.8 is installed; this is the case in the build docker).
sudo apt-get update && sudo apt-get install python3.7 python3.9 python3-pip

# Create the Pip package for the other version of python
./tools/build_pip_package.sh python3.7
./tools/build_pip_package.sh python3.9

Alternatywnie możesz utworzyć pakiet pip dla wszystkich zgodnych wersji Pythona za pomocą pyenv, uruchamiając następujące polecenie. Zobacz nagłówek tools/build_pip_package.sh aby uzyskać więcej informacji.

# Build and test all the Pip package using Pyenv.
./tools/build_pip_package.sh ALL_VERSIONS

System operacyjny Mac

Organizować coś

Wymagania

  • Coreutils (testowane z brew install coreutils )
  • Bazel >= 3.7.2
  • Python >= 3 (testowane z brew install python )
  • Gita
  • JDK 11
  • Pakiety Pythona: numpy tensorflow pandy

Kompilacja

Wykonaj te same kroki, co w przypadku kompilacji linux bez Dockera.

Ostatnia uwaga

Kompilacja TF-DF opiera się (od 17 grudnia 2021 r.) na pakiecie TensorFlow Pip i zależności TensorFlow Bazel. Mała część TensorFlow zostanie skompilowana. Kompilacja TF-DF na pojedynczej, wydajnej stacji roboczej zajmuje około 10 minut.

Rozwiązywanie problemów