अपने स्थानीय TensorFlow के लिए RSVP आज हर जगह घटना!
इस पेज का अनुवाद Cloud Translation API से किया गया है.
Switch to English

TensorFlow मॉडल विश्लेषण

TensorFlow मॉडल विश्लेषण (TFMA) TensorFlow मॉडल के मूल्यांकन के लिए एक पुस्तकालय है। यह उपयोगकर्ताओं को अपने ट्रेनर में परिभाषित समान मैट्रिक्स का उपयोग करके वितरित तरीके से बड़ी मात्रा में डेटा पर अपने मॉडल का मूल्यांकन करने की अनुमति देता है। इन मैट्रिक्स की गणना डेटा के विभिन्न स्लाइस पर की जा सकती है और जुपिटर नोटबुक में कल्पना की जा सकती है।

TFMA Slicing मेट्रिक्स ब्राउज़र

इंस्टालेशन

TFMA स्थापित करने का अनुशंसित तरीका PyPI पैकेज का उपयोग कर रहा है :

pip install tensorflow-model-analysis

स्रोत से TFMA बनाएँ

स्रोत से निर्माण करने के लिए निम्नलिखित चरणों का पालन करें:

उल्लिखित लिंक के अनुसार प्रोटोकोल स्थापित करें: प्रोटोकोल

कमांड चलाकर वर्चुअल वातावरण बनाएं

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

यह TFMA व्हील को डिस्टर्ब डाइरेक्टरी में बनाएगा। डिस्ट्रेस से व्हील इंस्टॉल करने के लिए कमांड चलाएं

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

रात का पैकेज

TFMA भी Google क्लाउड पर https://pypi-nightly.tensorflow.org पर रात के पैकेज को होस्ट करता है। नवीनतम रात के पैकेज को स्थापित करने के लिए, कृपया निम्न आदेश का उपयोग करें:

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

यह TFMA की प्रमुख निर्भरता जैसे TensorFlow Metadata (TFMD), TFX बेसिक शेयर लाइब्रेरी (TFX-BSL) के लिए रात के पैकेज को स्थापित करेगा।

वर्तमान में, TFMA के लिए आवश्यक है कि TensorFlow स्थापित हो लेकिन TensorFlow PyPI पैकेज पर एक स्पष्ट निर्भरता नहीं है। निर्देश के लिए TensorFlow स्थापित गाइड देखें।

Jupyter नोटबुक में TFMA विज़ुअलाइज़ेशन को सक्षम करने के लिए:

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

जुपिटर लैब

लेखन के रूप में, https://github.com/pypa/pip/issues/9187 के कारण , pip install कभी खत्म नहीं हो सकता है। उस स्थिति में, आपको 20 के बजाय पाइप को संस्करण 19 में वापस करना चाहिए: pip install "pip<20"

JupyterLab एक्सटेंशन का उपयोग करने के लिए कमांड लाइन पर निर्भरता स्थापित करने की आवश्यकता होती है। आप इसे JupyterLab UI में या कमांड लाइन पर कंसोल के भीतर कर सकते हैं। इसमें किसी भी पाइप पैकेज निर्भरता को अलग से स्थापित करना और JupyterLab Labextension प्लगइन निर्भरताएं शामिल हैं, और संस्करण संख्याएं संगत होनी चाहिए।

नीचे दिए गए उदाहरण 0.27.0 का उपयोग करते हैं। नवीनतम का उपयोग करने के लिए नीचे उपलब्ध संस्करणों की जाँच करें।

जुपिटर लैब 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

जुपिटर लैब 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

समस्या निवारण

पाइप पैकेज जांचें:

pip list

एक्सटेंशन जांचें:

jupyter labextension list

उल्लेखनीय निर्भरताएँ

TensorFlow की आवश्यकता है।

अपाचे बीम की आवश्यकता है; यह तरीका है कि कुशल वितरित संगणना समर्थित है। डिफ़ॉल्ट रूप से, अपाचे बीम स्थानीय मोड में चलता है लेकिन Google क्लाउड डेटाफ़्लो और अन्य अपाचे बीम धावक का उपयोग करके वितरित मोड में भी चल सकता है।

अपाचे एरो भी आवश्यक है। TFMA डेटा का प्रतिनिधित्व करने के लिए ऐरो का उपयोग करता है ताकि वे वेक्टरकृत सुन्न कार्यों का उपयोग कर सकें।

शुरू करना

TFMA का उपयोग करने के निर्देशों के लिए, आरंभ किया गया मार्गदर्शिका देखें

संगत संस्करण

निम्न तालिका TFMA पैकेज संस्करण है जो एक दूसरे के साथ संगत हैं। यह हमारे परीक्षण ढांचे से निर्धारित होता है, लेकिन अन्य अप्रयुक्त संयोजन भी काम कर सकते हैं।

टेंसरफ्लो-मॉडल-विश्लेषण अपाचे-बीम [gcp] व्यंग्य करना टेंसरफ्लो टेंसरफ्लो-मेटाडेटा tfx-bsl
गिटहब मास्टर २.२.0.० 2.0.0 रात (1.x / 2.x) 0.28.0 0.28.0
0.28.0 २.२.0.० 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
0.26.0 २.२५.० 0.17.0 1.15 / 2.3 0.26.0 0.26.0
0.25.0 २.२५.० 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 २.१ 2..० 0.15.0 1.15 / 2.1 0.21.0 0.21.0
0.21.2 २.१ 2..० 0.15.0 1.15 / 2.1 0.21.0 0.21.0
0.21.1 २.१ 2..० 0.15.0 1.15 / 2.1 0.21.0 0.21.0
0.21.0 २.१ 2..० 0.15.0 1.15 / 2.1 0.21.0 0.21.0
0.15.4 २.१६.० 0.15.0 1.15 / 2.0 एन / ए 0.15.1
0.15.3 २.१६.० 0.15.0 1.15 / 2.0 एन / ए 0.15.1
0.15.2 २.१६.० 0.15.0 1.15 / 2.0 एन / ए 0.15.1
0.15.1 २.१६.० 0.15.0 1.15 / 2.0 एन / ए 0.15.0
0.15.0 २.१६.० 0.15.0 1.15 एन / ए एन / ए
0.14.0 २.१४.० एन / ए 1.14 एन / ए एन / ए
0.13.1 2.11.0 एन / ए 1.13 एन / ए एन / ए
0.13.0 2.11.0 एन / ए 1.13 एन / ए एन / ए
0.12.1 2.10.0 एन / ए 1.12 एन / ए एन / ए
0.12.0 2.10.0 एन / ए 1.12 एन / ए एन / ए
0.11.0 2.8.0 एन / ए १.११ एन / ए एन / ए
0.9.2 2.6.0 एन / ए 1.9 एन / ए एन / ए
0.9.1 2.6.0 एन / ए 1.10 एन / ए एन / ए
0.9.0 2.5.0 एन / ए 1.9 एन / ए एन / ए
0.6.0 है २.४.० .0 एन / ए 1.6 एन / ए एन / ए

प्रशन

TFMA के साथ काम करने के बारे में किसी भी सवाल को सीधे टेंक ओवरफ्लो करने के लिए निर्देशित करें