SIG TFX-Addons topluluğuna katılın ve TFX'in daha da iyi olmasına yardımcı olun! SIG TFX Eklentilerine Katılın

TensorFlow Model Analizi

TensorFlow Modeli Analizi (TFMA) TensorFlow modelleri değerlendirmek için bir kütüphanedir. Kullanıcıların, eğitmenlerinde tanımlanan aynı metrikleri kullanarak, dağıtılmış bir şekilde büyük miktarda veri üzerinde modellerini değerlendirmelerine olanak tanır. Bu metrikler, farklı veri dilimleri üzerinden hesaplanabilir ve Jupyter not defterlerinde görselleştirilebilir.

TFMA Dilimleme Metrikleri Tarayıcısı

Kurulum

TFMA yüklemek için önerilen yol kullanıyor PyPI paketi :

pip install tensorflow-model-analysis

Kaynaktan TFMA oluşturun

Kaynaktan derlemek için aşağıdaki adımları izleyin:

Verdiğimiz bağlantıdaki uyarınca Protoc yükleyin: Protoc

Komutları çalıştırarak sanal bir ortam oluşturun

python3 -m venv <virtualenv_name>
source <virtualenv_name>/bin/activate
pip3 install setuptools wheel
git clone https://github.com/tensorflow/model-analysis.git
cd model-analysis
python3 setup.py bdist_wheel

Bu, dist dizininde TFMA tekerleğini oluşturacaktır. Tekerleği dist dizininden kurmak için komutları çalıştırın

cd dist
pip3 install tensorflow_model_analysis-<version>-py3-none-any.whl

Gecelik Paketler

TFMA ayrıca her gece paketleri barındıran https://pypi-nightly.tensorflow.org tarihinde Cloud üzerinde. En son gece paketini kurmak için lütfen aşağıdaki komutu kullanın:

pip install -i https://pypi-nightly.tensorflow.org/simple tensorflow-model-analysis

Bu, TensorFlow Metadata (TFMD), TFX Basic Shared Libraries (TFX-BSL) gibi TFMA'nın başlıca bağımlılıkları için gecelik paketleri kuracaktır.

Şu anda TFMA, TensorFlow'un kurulu olmasını gerektirir, ancak TensorFlow PyPI paketine açık bir bağımlılığı yoktur. Bkz TensorFlow kılavuzları yüklemek talimatlar için.

Jupyter Notebook'ta TFMA görselleştirmesini etkinleştirmek için:

  jupyter nbextension enable --py widgetsnbextension
  jupyter nbextension enable --py tensorflow_model_analysis

Jüpiter Laboratuvarı

Nedeniyle, yazma itibariyle https://github.com/pypa/pip/issues/9187, pip install bitirmek asla olabilir. Bu durumda, sürüm 19 yerine 20 pip dönerse: pip install "pip<20" .

Bir JupyterLab uzantısı kullanmak, komut satırına bağımlılıkların yüklenmesini gerektirir. Bunu konsolda JupyterLab kullanıcı arayüzünde veya komut satırında yapabilirsiniz. Bu, tüm pip paketi bağımlılıklarının ve JupyterLab labextension eklenti bağımlılıklarının ayrı ayrı yüklenmesini içerir ve sürüm numaraları uyumlu olmalıdır.

Aşağıdaki örneklerde 0.27.0 kullanılır. Mevcut kontrol sürümlerini son kullanmak için aşağıdaki.

Jüpyter Laboratuvarı 1.2.x

pip install tensorflow_model_analysis==0.27.0
jupyter labextension install tensorflow_model_analysis@0.27.0
jupyter labextension install @jupyter-widgets/jupyterlab-manager@1.1

Jüpiter Laboratuvarı 2

pip install tensorflow_model_analysis==0.27.0
jupyter labextension install tensorflow_model_analysis@0.27.0
jupyter labextension install @jupyter-widgets/jupyterlab-manager@2

Sorun giderme

pip paketlerini kontrol edin:

pip list

Uzantıları kontrol edin:

jupyter labextension list

Önemli Bağımlılıklar

TensorFlow gereklidir.

Apache Kiriş gereklidir; verimli dağıtılmış hesaplamanın desteklenme şekli budur. Varsayılan olarak, Apache Işın yerel modda çalışır ama aynı zamanda kullanılarak dağıtılan modda çalışabilir Google Cloud veri akışı ve diğer Apache Işın rayları .

Apache Ok de gereklidir. TFMA, vektörleştirilmiş numpy işlevlerinden yararlanmak için verileri dahili olarak temsil etmek için Ok kullanır.

Başlarken

TFMA kullanma talimatları için, bkz olsun başlangıç kılavuzu .

Uyumlu Sürümler

Aşağıdaki tablo birbiriyle uyumlu TFMA paket sürümleridir. Bu bizim test framework tarafından belirlenir, ancak diğer denenmemiş kombinasyonlar da çalışabilir.

tensorflow-model-analizi apache ışını[gcp] piramit tensör akışı tensorflow-meta verisi tfx-bsl
GitHub yöneticisi 2.32.0 2.0.0 her gece (1.x/2.x) 1.2.0 1.3.0
0.34.1 2.32.0 2.0.0 1.15 / 2.6 1.2.0 1.3.0
0.34.0 2.31.0 2.0.0 1.15 / 2.6 1.2.0 1.3.1
0.33.0 2.31.0 2.0.0 1,15 / 2,5 1.2.0 1.2.0
0.32.1 2.29.0 2.0.0 1,15 / 2,5 1.1.0 1.1.1
0.32.0 2.29.0 2.0.0 1,15 / 2,5 1.1.0 1.1.0
0.31.0 2.29.0 2.0.0 1,15 / 2,5 1.0.0 1.0.0
0.30.0 2.28.0 2.0.0 1,15 / 2,4 0.30.0 0.30.0
0.29.0 2.28.0 2.0.0 1,15 / 2,4 0.29.0 0.29.0
0.28.0 2.28.0 2.0.0 1,15 / 2,4 0.28.0 0.28.0
0.27.0 2.27.0 2.0.0 1,15 / 2,4 0.27.0 0.27.0
0.26.1 2.28.0 0.17.0 1.15 / 2.3 0.26.0 0.26.0
0.26.0 2.25.0 0.17.0 1.15 / 2.3 0.26.0 0.26.0
0.25.0 2.25.0 0.17.0 1.15 / 2.3 0.25.0 0.25.0
0.24.3 2.24.0 0.17.0 1.15 / 2.3 0.24.0 0.24.1
0.24.2 2.23.0 0.17.0 1.15 / 2.3 0.24.0 0.24.0
0.24.1 2.23.0 0.17.0 1.15 / 2.3 0.24.0 0.24.0
0.24.0 2.23.0 0.17.0 1.15 / 2.3 0.24.0 0.24.0
0.23.0 2.23.0 0.17.0 1.15 / 2.3 0.23.0 0.23.0
0.22.2 2.20.0 0.16.0 1.15 / 2.2 0.22.2 0.22.0
0.22.1 2.20.0 0.16.0 1.15 / 2.2 0.22.2 0.22.0
0.22.0 2.20.0 0.16.0 1.15 / 2.2 0.22.0 0.22.0
0.21.6 2.19.0 0.15.0 1.15 / 2.1 0.21.0 0.21.3
0.21.5 2.19.0 0.15.0 1.15 / 2.1 0.21.0 0.21.3
0.21.4 2.19.0 0.15.0 1.15 / 2.1 0.21.0 0.21.3
0.21.3 2.17.0 0.15.0 1.15 / 2.1 0.21.0 0.21.0
0.21.2 2.17.0 0.15.0 1.15 / 2.1 0.21.0 0.21.0
0.21.1 2.17.0 0.15.0 1.15 / 2.1 0.21.0 0.21.0
0.21.0 2.17.0 0.15.0 1.15 / 2.1 0.21.0 0.21.0
0.15.4 2.16.0 0.15.0 1.15 / 2.0 n/a 0.15.1
0.15.3 2.16.0 0.15.0 1.15 / 2.0 n/a 0.15.1
0.15.2 2.16.0 0.15.0 1.15 / 2.0 n/a 0.15.1
0.15.1 2.16.0 0.15.0 1.15 / 2.0 n/a 0.15.0
0.15.0 2.16.0 0.15.0 1.15 n/a n/a
0.14.0 2.14.0 n/a 1.14 n/a n/a
0.13.1 2.11.0 n/a 1.13 n/a n/a
0.13.0 2.11.0 n/a 1.13 n/a n/a
0.12.1 2.10.0 n/a 1.12 n/a n/a
0.12.0 2.10.0 n/a 1.12 n/a n/a
0.11.0 2.8.0 n/a 1.11 n/a n/a
0.9.2 2.6.0 n/a 1.9 n/a n/a
0.9.1 2.6.0 n/a 1.10 n/a n/a
0.9.0 2.5.0 n/a 1.9 n/a n/a
0.6.0 2.4.0 n/a 1.6 n/a n/a

sorular

İçin TFMA çalışma hakkında herhangi bir sorunuz yönlendirin yığın taşması kullanarak tensorflow-model analizi etiketi.