Yerel TensorFlow Everywhere etkinliğiniz için bugün LCV!
Bu sayfa, Cloud Translation API ile çevrilmiştir.
Switch to English

TensorFlow Model Analizi

TensorFlow Model Analizi (TFMA), TensorFlow modellerini değerlendirmek için bir kitaplıktır. Kullanıcıların, eğitmenlerinde tanımlanan aynı ölçümleri kullanarak modellerini büyük miktarda veri üzerinde dağıtılmış bir şekilde değerlendirmelerine olanak tanır. Bu ölçümler, farklı veri dilimlerinde hesaplanabilir ve Jupyter not defterlerinde görselleştirilebilir.

TFMA Dilimleme Metrikleri Tarayıcısı

Kurulum

TFMA'yı kurmanın önerilen yolu PyPI paketini kullanmaktır :

pip install tensorflow-model-analysis

Kaynaktan TFMA derleyin

Kaynaktan derlemek için aşağıdaki adımları izleyin:

Protokolü belirtilen bağlantıya göre 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, TFMA çarkını dist dizininde oluşturacaktır. Tekerleği dist dizininden kurmak için komutları çalıştırın

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

Gecelik Paketler

TFMA ayrıca Google Cloud'da https://pypi-nightly.tensorflow.org adresinde gece paketleri barındırır. En son gecelik paketi yüklemek 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 ana bağımlılıkları için gecelik paketleri yükleyecektir.

Şu anda, TFMA, TensorFlow'un kurulu olmasını gerektirir ancak TensorFlow PyPI paketine açık bir bağımlılığı yoktur. Talimatlar için TensorFlow kurulum kılavuzlarına bakın.

Jupyter Not Defterinde TFMA görselleştirmesini etkinleştirmek için:

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

Jupyter Laboratuvarı

Yazarken, https://github.com/pypa/pip/issues/9187 nedeniyle pip install asla bitmeyebilir. Bu durumda, pip'i 20 yerine 19 sürümüne döndürmelisiniz: pip install "pip<20" .

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

Aşağıdaki örnekler 0.27.0 kullanır. En son sürümü kullanmak için aşağıdaki mevcut sürümleri kontrol edin.

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 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 gerekli.

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

Apache Arrow da gereklidir. TFMA, vektörleştirilmiş numpy işlevlerinden yararlanmak için verileri dahili olarak temsil etmek için Arrow'u kullanır.

Başlarken

TFMA kullanımıyla ilgili talimatlar için başlangıç kılavuzuna bakın .

Uyumlu Versiyonlar

Aşağıdaki tablo, birbiriyle uyumlu TFMA paket sürümleridir. Bu, test çerçevemiz tarafından belirlenir, ancak diğer test edilmemiş kombinasyonlar da çalışabilir.

tensorflow-model-analizi apache-beam [gcp] Pyarrow Tensorflow tensorflow meta verileri tfx-bsl
GitHub ustası 2.28.0 2.0.0 her gece (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 yok 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 yok 1.13 n / a yok
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 yok n / a
0.11.0 2.8.0 n / a 1.11 n / a n / a
0.9.2 2.6.0 yok 1.9 yok 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 yok
0.6.0 2.4.0 n / a 1.6 yok yok

Sorular

Lütfen tensorflow-model-analysis etiketini kullanarak TFMA ile çalışma hakkındaki sorularınızı Stack Overflow'a yönlendirin .