tfx bsl
T
TFX Basic Shared Libraries ( tfx_bsl ) enthält Bibliotheken, die von vielen TFX -Komponenten (TensorFlow Extended) freigegeben wurden.
Nur Symbole, die von Submodules unter tfx_bsl/public exportiert werden, werden von TFX-Benutzern direkt verwendet , einschließlich der eigenständigen TFX-Bibliothek (z. B. TFDV, TFMA, TFT), TFX-Pipeline-Autoren und Autoren von TFX-Komponenten. Diese APIs werden stabil und folgen der semantischen Versionierung, sobald tfx_bsl über 1.0 hinausgeht.
APIs unter anderen Verzeichnissen sollten für TFX als intern angesehen werden (und daher gibt es keine Rückwärts- oder Vorwärtskompatibilitätsgarantie für sie).
tfx_bsl Nebenversion einer TFX -Bibliothek oder TFX selbst hängt, wenn sie von tfx_bsl tensorflow_data_validation muss
tfx_bsl ist als PYPI -Paket erhältlich.
pip install tfx-bslTFX-BSL veranstaltet auch abendliche Pakete unter https://pypi-nightly.tensorflow.org auf Google Cloud. Um das neueste nächtliche Paket zu installieren, verwenden Sie bitte den folgenden Befehl:
pip install --extra-index-url https://pypi-nightly.tensorflow.org/simple tfx-bslDadurch werden die nächtlichen Pakete für die wichtigsten Abhängigkeiten von TFX-BSL wie TensorFlow Metadata (TFMD) installiert.
Es ist jedoch eine Abhängigkeit von vielen TFX -Komponenten und normalerweise als Benutzer müssen Sie sie nicht direkt installieren.
Wenn Sie eine TFX -Komponente aus der Master -Filiale erstellen möchten, müssen Sie möglicherweise auch die neueste tfx_bsl erstellen, da diese TFX -Komponente möglicherweise von neuen Funktionen abhängig ist, die über die neueste tfx_bsl -Version hinaus eingeführt wurden.
Das Erstellen von Docker ist die empfohlene Möglichkeit, tfx_bsl unter Linux zu erstellen, und wird bei Google kontinuierlich getestet.
Bitte installieren Sie docker und docker-compose zuerst, indem Sie den Anweisungen folgen.
tfx_bsl -Repository klonen git clone https://github.com/tensorflow/tfx-bsl
cd tfx-bsl Beachten Sie, dass diese Anweisungen den neuesten Master-Zweig von tfx-bsl installieren. Wenn Sie eine bestimmte Filiale (z. B. eine Release -Filiale) installieren möchten, übergeben Sie -b <branchname> an den Befehl git clone .
Führen Sie dann Folgendes bei der Projektwurzel aus:
sudo docker-compose build manylinux2010
sudo docker-compose run -e PYTHON_VERSION= ${PYTHON_VERSION} manylinux2010 wo PYTHON_VERSION eine von {39} ist.
Ein Rad wird unter dist/ hergestellt.
pip install dist/ * .whlWenn Numpy nicht in Ihrem System installiert ist, installieren Sie es jetzt, indem Sie diesen Anweisungen befolgen.
Wenn Bazel nicht in Ihrem System installiert ist, installieren Sie es jetzt, indem Sie diese Anweisungen befolgen.
tfx_bsl -Repository klonen git clone https://github.com/tensorflow/tfx-bsl
cd tfx-bsl Beachten Sie, dass diese Anweisungen den neuesten Master -Zweig von tfx_bsl installieren git clone wenn Sie eine bestimmte Filiale (z. B. -b <branchname> Release -Filiale) installieren möchten.
tfx_bsl WHEL ist eine Python -Version abhängig - um das PIP -Paket zu erstellen, das für eine bestimmte Python -Version funktioniert, verwenden Sie diesen Python -Binary zum Ausführen:
python setup.py bdist_wheel Sie finden die generierte .whl -Datei im dist -Unterverzeichnis.
pip install dist/ * .whl tfx_bsl wird auf den folgenden 64-Bit-Betriebssystemen getestet:
Die folgende Tabelle sind die tfx_bsl -Paketversionen, die miteinander kompatibel sind. Dies wird durch unser Testgerüst bestimmt, aber auch andere nicht getestete Kombinationen funktionieren.
| TFX-BSL | Apache-Beam [GCP] | Pyarrow | Tensorflow | Tensorflow-Metadata | Tensorflow-Sendern-api |
|---|---|---|---|---|---|
| Github Master | 2.59.0 | 10.0.1 | Nacht (2.x) | 1.16.1 | 2.16.1 |
| 1.16.1 | 2.59.0 | 10.0.1 | 2.16 | 1.16.1 | 2.16.1 |
| 1.16.0 | 2.59.0 | 10.0.1 | 2.16 | 1.16.0 | 2.16.1 |
| 1.15.1 | 2.47.0 | 10.0.0 | 2.15 | 1.15.0 | 2.15.1 |
| 1.15.0 | 2.47.0 | 10.0.0 | 2.15 | 1.15.0 | 2.15.1 |
| 1.14.0 | 2.47.0 | 10.0.0 | 2.13 | 1.14.0 | 2.13.0 |
| 1.13.0 | 2.40.0 | 6.0.0 | 2.12 | 1.13.1 | 2.9.0 |
| 1.12.0 | 2.40.0 | 6.0.0 | 2.11 | 1.12.0 | 2.9.0 |
| 1.11.0 | 2.40.0 | 6.0.0 | 1.15 / 2.10 | 1.11.0 | 2.9.0 |
| 1.10.0 | 2.40.0 | 6.0.0 | 1.15 / 2.9 | 1.10.0 | 2.9.0 |
| 1.9.0 | 2.38.0 | 5.0.0 | 1.15 / 2.9 | 1.9.0 | 2.9.0 |
| 1.8.0 | 2.38.0 | 5.0.0 | 1.15 / 2.8 | 1.8.0 | 2.8.0 |
| 1.7.0 | 2.36.0 | 5.0.0 | 1.15 / 2.8 | 1.7.0 | 2.8.0 |
| 1.6.0 | 2.35.0 | 5.0.0 | 1.15 / 2.7 | 1.6.0 | 2.7.0 |
| 1.5.0 | 2.34.0 | 5.0.0 | 1.15 / 2.7 | 1.5.0 | 2.7.0 |
| 1.4.0 | 2.31.0 | 5.0.0 | 1.15 / 2.6 | 1.4.0 | 2.6.0 |
| 1.3.0 | 2.31.0 | 2.0.0 | 1.15 / 2.6 | 1.2.0 | 2.6.0 |
| 1.2.0 | 2.31.0 | 2.0.0 | 1.15 / 2.5 | 1.2.0 | 2.5.1 |
| 1.1.0 | 2.29.0 | 2.0.0 | 1.15 / 2.5 | 1.1.0 | 2.5.1 |
| 1.0.0 | 2.29.0 | 2.0.0 | 1.15 / 2.5 | 1.0.0 | 2.5.1 |
| 0,30,0 | 2.28.0 | 2.0.0 | 1.15 / 2.4 | 0,30,0 | 2.4.0 |
| 0,29,0 | 2.28.0 | 2.0.0 | 1.15 / 2.4 | 0,29,0 | 2.4.0 |
| 0,28,0 | 2.28.0 | 2.0.0 | 1.15 / 2.4 | 0,28,0 | 2.4.0 |
| 0,27,1 | 2.27.0 | 2.0.0 | 1.15 / 2.4 | 0,27,0 | 2.4.0 |
| 0,27,0 | 2.27.0 | 2.0.0 | 1.15 / 2.4 | 0,27,0 | 2.4.0 |
| 0,26,1 | 2.25.0 | 0,17,0 | 1.15 / 2.3 | 0,27,0 | 2.3.0 |
| 0,26,0 | 2.25.0 | 0,17,0 | 1.15 / 2.3 | 0,27,0 | 2.3.0 |
