tfx bsl
T
Les bibliothèques partagées de base TFX ( tfx_bsl ) contient des bibliothèques partagées par de nombreux composants TensorFlow étendus (TFX).
Seuls les symboles exportés par sous-modules sous tfx_bsl/public sont destinés à une utilisation directe par les utilisateurs de TFX , y compris par la bibliothèque TFX autonome (par exemple, les utilisateurs TFDV, TFMA, TFT), les auteurs de pipelines TFX et les auteurs de composants TFX. Ces API deviendront stables et suivront le versioning sémantique une fois que tfx_bsl va au-delà de 1.0 .
Les API dans les autres répertoires doivent être considérées comme internes à TFX (et donc il n'y a pas de garantie de compatibilité vers l'arrière ou vers l'avant).
Chaque version mineure d'une bibliothèque TFX ou TFX elle-même, si elle doit dépendre de tfx_bsl , dépendra d'une version mineure spécifique de celui tfx_bsl ci (par exemple tensorflow_data_validation 0.14.
tfx_bsl est disponible en tant que package PYPI.
pip install tfx-bslTFX-BSL héberge également des packages nocturnes sur https://pypi-nightly.tensorflow.org sur Google Cloud. Pour installer le dernier package nocturne, veuillez utiliser la commande suivante:
pip install --extra-index-url https://pypi-nightly.tensorflow.org/simple tfx-bslCela installera les packages nocturnes pour les principales dépendances de TFX-BSL telles que les métadonnées TensorFlow (TFMD).
Cependant, c'est une dépendance de nombreux composants TFX et généralement en tant qu'utilisateur, vous n'avez pas besoin de l'installer directement.
Si vous souhaitez créer un composant TFX à partir de la branche Master, après la dernière version, vous devrez peut-être également créer le dernier tfx_bsl , car ce composant TFX aurait pu dépendre des nouvelles fonctionnalités introduites après la dernière version tfx_bsl .
La construction de Docker est le moyen recommandé de construire tfx_bsl sous Linux et est testé en continu chez Google.
Veuillez d'abord installer docker et docker-compose en suivant les instructions.
tfx_bsl git clone https://github.com/tensorflow/tfx-bsl
cd tfx-bsl Notez que ces instructions installeront la dernière branche maître de tfx-bsl . Si vous souhaitez installer une branche spécifique (comme une branche de libération), passez -b <branchname> à la commande git clone .
Ensuite, exécutez ce qui suit à la racine du projet:
sudo docker-compose build manylinux2010
sudo docker-compose run -e PYTHON_VERSION= ${PYTHON_VERSION} manylinux2010 où PYTHON_VERSION est l'un des {39} .
Une roue sera produite sous dist/ .
pip install dist/ * .whlSi Numpy n'est pas installé sur votre système, installez-le maintenant en suivant ces instructions.
Si Bazel n'est pas installé sur votre système, installez-le maintenant en suivant ces instructions.
tfx_bsl git clone https://github.com/tensorflow/tfx-bsl
cd tfx-bsl Notez que ces instructions installeront la dernière branche maître de tfx_bsl si vous souhaitez installer une branche spécifique (comme une branche de libération), pass -b <branchname> à la commande git clone .
La roue tfx_bsl est dépendante de la version Python - Pour créer le package PIP qui fonctionne pour une version Python spécifique, utilisez ce binaire Python à exécuter:
python setup.py bdist_wheel Vous pouvez trouver le fichier .whl généré dans le sous-répertoire dist .
pip install dist/ * .whl tfx_bsl est testé sur les systèmes d'exploitation 64 bits suivants:
Le tableau suivant est les versions du package tfx_bsl qui sont compatibles entre elles. Ceci est déterminé par notre cadre de test, mais d'autres combinaisons non testées peuvent également fonctionner.
| tfx-bsl | Apache-Beam [GCP] | pyarrow | tensorflow | Tensorflow-Metadata | Tensorflow-Serving-API |
|---|---|---|---|---|---|
| Maître GitHub | 2.59.0 | 10.0.1 | Nightly (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 |
