TensorFlow Model Analizi

Koleksiyonlar ile düzeninizi koruyun İçeriği tercihlerinize göre kaydedin ve kategorilere ayırın.

TensorFlow Model Analysis (TFMA), TensorFlow modellerini değerlendirmek için bir kitaplıktır. Kullanıcıların, eğiticilerinde tanımlanan aynı metrikleri kullanarak modellerini büyük miktarda veri üzerinde dağıtılmış bir şekilde değerlendirmelerine olanak tanır. Bu ölçümler, farklı veri dilimleri üzerinden 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 oluşturun

Kaynaktan derlemek için aşağıdaki adımları izleyin:

Protokolü belirtilen bağlantıya göre kurun: protokol

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 çarkını oluşturacaktır. Tekerleği dist dizininden kurmak için komutları çalıştırın.

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

Gecelik Paketler

TFMA, Google Cloud'da https://pypi-nightly.tensorflow.org adresinde gecelik paketlere de ev sahipliği yapıyor. 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 başlıca 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 Notebook'ta TFMA görselleştirmesini etkinleştirmek için:

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

Jüpiter Laboratuvarı

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

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

Aşağıdaki örneklerde 0.27.0 kullanılmaktadır. En son sürümü kullanmak için aşağıdaki mevcut sürümleri kontrol edin.

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 Beam gereklidir; verimli dağıtılmış hesaplamanın desteklenme şekli budur. Apache Beam varsayılan olarak yerel modda çalışır ancak Google Cloud Dataflow ve diğer Apache Beam çalıştırıcıları kullanılarak dağıtılmış modda da çalışabilir.

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 Sürümler

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

tensorflow modeli analizi apache ışını[gcp] pruva tensör akışı tensorflow-meta verileri tfx-bsl
GitHub ustası 2.40.0 6.0.0 her gece (1.x/2.x) 1.11.0 1.11.0
0.42.1 2.40.0 6.0.0 1.15 / 2.10 1.11.0 1.11.0
0.41.1 2.40.0 6.0.0 1,15 / 2,9 1.10.0 1.10.1
0.41.0 2.40.0 6.0.0 1,15 / 2,9 1.10.0 1.10.1
0.40.0 2.38.0 5.0.0 1,15 / 2,9 1.9.0 1.9.0
0.39.0 2.38.0 5.0.0 1,15 / 2,8 1.8.0 1.8.0
0.38.0 2.36.0 5.0.0 1,15 / 2,8 1.7.0 1.7.0
0.37.0 2.35.0 5.0.0 1,15 / 2,7 1.6.0 1.6.0
0.36.0 2.34.0 5.0.0 1,15 / 2,7 1.5.0 1.5.0
0.35.0 2.33.0 5.0.0 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 yok 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 yok 0.15.1
0.15.1 2.16.0 0.15.0 1,15 / 2,0 yok 0.15.0
0.15.0 2.16.0 0.15.0 1.15 yok yok
0.14.0 2.14.0 yok 1.14 yok yok
0.13.1 2.11.0 yok 1.13 yok yok
0.13.0 2.11.0 yok 1.13 yok yok
0.12.1 2.10.0 yok 1.12 yok yok
0.12.0 2.10.0 yok 1.12 yok yok
0.11.0 2.8.0 yok 1.11 yok yok
0.9.2 2.6.0 yok 1.9 yok yok
0.9.1 2.6.0 yok 1.10 yok yok
0.9.0 2.5.0 yok 1.9 yok yok
0.6.0 2.4.0 yok 1.6 yok yok

Sorular

Lütfen TFMA ile çalışmayla ilgili tüm sorularınızı tensorflow-model-analysis etiketini kullanarak Stack Overflow'a yönlendirin.