সাহায্য Kaggle উপর TensorFlow সঙ্গে গ্রেট বেরিয়ার রিফ রক্ষা চ্যালেঞ্জ যোগদান

টেনসরফ্লো মডেল বিশ্লেষণ

TensorFlow মডেল বিশ্লেষণ (TFMA) TensorFlow মডেলের মূল্যায়নের জন্য একটি লাইব্রেরী। এটি ব্যবহারকারীদের তাদের প্রশিক্ষক দ্বারা সংজ্ঞায়িত একই মেট্রিক্স ব্যবহার করে বিতরণ করা পদ্ধতিতে প্রচুর পরিমাণে ডেটার উপর তাদের মডেলগুলি মূল্যায়ন করতে দেয়। এই মেট্রিক্সগুলি ডেটার বিভিন্ন স্লাইস দিয়ে গণনা করা যেতে পারে এবং জুপিটার নোটবুকে ভিজ্যুয়ালাইজ করা যেতে পারে।

TFMA স্লাইসিং মেট্রিক্স ব্রাউজার

স্থাপন

TFMA ইনস্টল করার প্রস্তাবিত উপায় ব্যবহার করছে PyPI প্যাকেজ :

pip install tensorflow-model-analysis

উৎস থেকে TFMA তৈরি করুন

উত্স থেকে তৈরি করতে নিম্নলিখিত পদক্ষেপগুলি অনুসরণ করুন:

লিংক উল্লেখ অনুযায়ী protoc ইনস্টল করুন: protoc

কমান্ড চালানোর মাধ্যমে একটি ভার্চুয়াল পরিবেশ তৈরি করুন

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

এটি dist ডিরেক্টরিতে TFMA চাকা তৈরি করবে। ডিস্ট ডিরেক্টরি থেকে চাকা ইনস্টল করতে কমান্ডগুলি চালান

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

রাত্রিকালীন প্যাকেজ

TFMA এছাড়াও রাত্রিকালীন প্যাকেজ হোস্ট https://pypi-nightly.tensorflow.org Google মেঘ উপর। সর্বশেষ রাতের প্যাকেজ ইনস্টল করতে, অনুগ্রহ করে নিম্নলিখিত কমান্ডটি ব্যবহার করুন:

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

এটি TFMA এর প্রধান নির্ভরতা যেমন TensorFlow মেটাডেটা (TFMD), TFX বেসিক শেয়ার্ড লাইব্রেরি (TFX-BSL) এর জন্য রাতের প্যাকেজগুলি ইনস্টল করবে।

বর্তমানে, TFMA এর প্রয়োজন যে TensorFlow ইনস্টল করা আছে কিন্তু TensorFlow PyPI প্যাকেজের উপর স্পষ্ট নির্ভরতা নেই। দেখুন TensorFlow নির্দেশিকা ইনস্টল নির্দেশাবলীর জন্য।

জুপিটার নোটবুকে TFMA ভিজ্যুয়ালাইজেশন সক্ষম করতে:

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

জুপিটার ল্যাব

লেখা, কারণ এর মতো https://github.com/pypa/pip/issues/9187, pip install শেষ না হতে পারে। সেক্ষেত্রে, আপনি সংস্করণ 19 পরিবর্তে 20 পিপ প্রত্যাবর্তন করা উচিত: pip install "pip<20"

একটি JupyterLab এক্সটেনশন ব্যবহার করার জন্য কমান্ড লাইনে নির্ভরতা ইনস্টল করা প্রয়োজন। আপনি JupyterLab UI তে বা কমান্ড লাইনে কনসোলের মধ্যে এটি করতে পারেন। এর মধ্যে আলাদাভাবে যেকোনো পিপ প্যাকেজ নির্ভরতা এবং জুপিটারল্যাব ল্যাবেক্সটেনশন প্লাগইন নির্ভরতা ইনস্টল করা এবং সংস্করণ নম্বরগুলি অবশ্যই সামঞ্জস্যপূর্ণ হতে হবে।

নীচের উদাহরণ 0.27.0 ব্যবহার করে। প্রাপ্তিসাধ্য চেক সংস্করণ নিচে সর্বশেষ ব্যবহার করতে।

জুপিটার ল্যাব 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

জুপিটার ল্যাব 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

সমস্যা সমাধান

পাইপ প্যাকেজ চেক করুন:

pip list

এক্সটেনশন চেক করুন:

jupyter labextension list

উল্লেখযোগ্য নির্ভরতা

টেনসরফ্লো প্রয়োজন।

এ্যাপাচি রশ্মি প্রয়োজন; এটি দক্ষ বিতরণ গণনা সমর্থিত যে উপায়. ডিফল্টরূপে, এ্যাপাচি রশ্মি স্থানীয় মোডে সঞ্চালিত হয় কিন্তু ব্যবহার বিতরণ মোডে রান করতে পারেন Google মেঘ Dataflow এবং অন্যান্য এ্যাপাচি রশ্মি রানার্স

এ্যাপাচি তীর এছাড়াও প্রয়োজন। TFMA ভেক্টরাইজড নম্পি ফাংশন ব্যবহার করার জন্য অভ্যন্তরীণভাবে ডেটা উপস্থাপন করতে তীর ব্যবহার করে।

শুরু হচ্ছে

TFMA ব্যবহারের নির্দেশাবলীর জন্য, দেখুন পেতে শুরু করার নির্দেশিকা

সামঞ্জস্যপূর্ণ সংস্করণ

নিম্নলিখিত টেবিলটি হল TFMA প্যাকেজ সংস্করণ যা একে অপরের সাথে সামঞ্জস্যপূর্ণ। এটি আমাদের পরীক্ষামূলক ফ্রেমওয়ার্ক দ্বারা নির্ধারিত হয়, কিন্তু অন্যান্য অপরীক্ষিত সমন্বয় এছাড়াও কাজ করতে পারে।

tensorflow-মডেল-বিশ্লেষণ অ্যাপাচি-বিম [জিসিপি] পিয়ারো tensorflow tensorflow-metadata tfx-bsl
গিটহাব মাস্টার 2.34.0 2.0.0 রাত্রিকালীন (1.x/2.x) 1.5.0 1.5.0
0.36.0 2.34.0 2.0.0 1.15 / 2.7 1.5.0 1.5.0
0.35.0 2.33.0 2.0.0 1.15 / 2.6 1.4.0 1.4.0
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

প্রশ্ন

থেকে TFMA সঙ্গে কাজ সম্পর্কে কোন প্রশ্ন নির্দেশ অনুগ্রহ করে স্ট্যাক ওভারফ্লো ব্যবহার tensorflow মডেল বিশ্লেষণ ট্যাগ।