TensorFlow Model Analysis (TFMA) คือไลบรารีสำหรับการประเมินโมเดล TensorFlow ช่วยให้ผู้ใช้ประเมินโมเดลของตนกับข้อมูลจำนวนมากในลักษณะกระจายโดยใช้เมตริกเดียวกับที่กำหนดไว้ในเทรนเนอร์ เมตริกเหล่านี้สามารถคำนวณได้จากข้อมูลส่วนต่างๆและแสดงภาพในสมุดบันทึก Jupyter
การติดตั้ง
วิธีที่แนะนำในการติดตั้ง TFMA คือการใช้ แพ็คเกจ PyPI :
pip install tensorflow-model-analysis
สร้าง TFMA จากแหล่งที่มา
ในการสร้างจากซอร์สให้ทำตามขั้นตอนต่อไปนี้:
ติดตั้ง protoc ตามลิงค์ที่กล่าวถึง: protoc
สร้างสภาพแวดล้อมเสมือนโดยรันคำสั่ง
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
สิ่งนี้จะสร้างวงล้อ TFMA ในไดเรกทอรี dist ในการติดตั้งวงล้อจากไดเร็กทอรี dist ให้รันคำสั่ง
cd dist
pip3 install tensorflow_model_analysis-<version>-py3-none-any.whl
แพ็คเกจต่อคืน
TFMA ยังโฮสต์แพ็คเกจทุกคืนที่ https://pypi-nightly.tensorflow.org บน Google Cloud ในการติดตั้งแพ็คเกจกลางคืนล่าสุดโปรดใช้คำสั่งต่อไปนี้:
pip install -i https://pypi-nightly.tensorflow.org/simple tensorflow-model-analysis
สิ่งนี้จะติดตั้งแพ็คเกจทุกคืนสำหรับการอ้างอิงหลักของ TFMA เช่น TensorFlow Metadata (TFMD), TFX Basic Shared Libraries (TFX-BSL)
ปัจจุบัน TFMA ต้องการให้ติดตั้ง TensorFlow แต่ไม่มีการพึ่งพาอย่างชัดเจนบนแพ็คเกจ TensorFlow PyPI ดู คำแนะนำในการติดตั้ง TensorFlow
ในการเปิดใช้งานการแสดงภาพ TFMA ใน Jupyter Notebook:
jupyter nbextension enable --py widgetsnbextension
jupyter nbextension enable --py tensorflow_model_analysis
Jupyter Lab
ในขณะที่เขียนเนื่องจาก https://github.com/pypa/pip/issues/9187 การ pip install
อาจไม่เสร็จสิ้น ในกรณีนี้คุณควรเปลี่ยน pip เป็นเวอร์ชัน 19 แทนที่จะเป็น 20: pip install "pip<20"
การใช้ส่วนขยาย JupyterLab จำเป็นต้องติดตั้งการอ้างอิงบนบรรทัดคำสั่ง คุณสามารถทำได้ภายในคอนโซลใน JupyterLab UI หรือบนบรรทัดรับคำสั่ง ซึ่งรวมถึงการติดตั้งการพึ่งพาแพ็กเกจ pip และการอ้างอิงปลั๊กอิน JupyterLab labextension แยกต่างหากและหมายเลขเวอร์ชันต้องเข้ากันได้
ตัวอย่างด้านล่างใช้ 0.27.0 ตรวจสอบ เวอร์ชันที่ มีอยู่ด้านล่างเพื่อใช้เวอร์ชันล่าสุด
Jupyter Lab 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
Jupyter Lab 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
การแก้ไขปัญหา
ตรวจสอบแพ็คเกจ pip:
pip list
ตรวจสอบส่วนขยาย:
jupyter labextension list
การพึ่งพาที่โดดเด่น
ต้องมี TensorFlow
ต้องใช้ Apache Beam ; เป็นวิธีที่รองรับการคำนวณแบบกระจายที่มีประสิทธิภาพ ตามค่าเริ่มต้น Apache Beam จะทำงานในโหมดโลคัล แต่ยังสามารถทำงานในโหมดกระจายโดยใช้ Google Cloud Dataflow และ นักวิ่ง Apache Beam อื่น ๆ
ต้องใช้ Apache Arrow TFMA ใช้ Arrow เพื่อแสดงข้อมูลภายในเพื่อใช้ประโยชน์จากฟังก์ชัน vectorized numpy
เริ่มต้นใช้งาน
สำหรับคำแนะนำในการใช้ TFMA โปรดดู คู่มือเริ่มต้นใช้งาน
รุ่นที่เข้ากันได้
ตารางต่อไปนี้คือเวอร์ชันแพ็กเกจ TFMA ที่เข้ากันได้ สิ่งนี้กำหนดโดยกรอบการทดสอบของเรา แต่ชุดค่าผสมอื่น ๆ ที่ ยังไม่ผ่านการทดสอบ อาจใช้ได้เช่นกัน
การวิเคราะห์แบบจำลองเทนเซอร์โฟลว์ | apache-beam [gcp] | pyarrow | เทนเซอร์โฟลว์ | เทนเซอร์โฟลว์ - ข้อมูลเมตา | tfx-bsl |
---|---|---|---|---|---|
GitHub ต้นแบบ | 2.28.0 | 2.0.0 | ทุกคืน (1.x / 2.x) | 0.28.0 | 0.28.0 |
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 |
0.26.0 | 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 |
คำถาม
โปรดส่งคำถามเกี่ยวกับการทำงานกับ TFMA ไปยัง Stack Overflow โดยใช้แท็ก การวิเคราะห์แบบจำลองเทนเซอร์โฟลว์