tfx bsl
T
As bibliotecas compartilhadas BASIC TFX ( tfx_bsl ) contêm bibliotecas compartilhadas por muitos componentes do TensorFlow Extended (TFX).
Somente símbolos exportados por sub-módulos em tfx_bsl/public destinam-se ao uso direto dos usuários do TFX , inclusive pela Biblioteca TFX independente (por exemplo, usuários de TFDV, TFMA, TFT), autores de pipeline TFX e autores de componentes TFX. Essas APIs se tornarão estáveis e seguirão a versão semântica assim que tfx_bsl vai além de 1.0 .
As APIs sob outros diretórios devem ser consideradas internas ao TFX (e, portanto, não há garantia de compatibilidade para trás ou para a frente para eles).
Cada versão menor de uma biblioteca TFX ou TFX, tfx_bsl precisar depender de tfx_bsl , dependerá de uma versão menor específica (por exemplo, tensorflow_data_validation 0.14.
tfx_bsl está disponível como um pacote Pypi.
pip install tfx-bslO TFX-BSL também hospeda pacotes noturnos em https://pypi-nightly.tensorflow.org no Google Cloud. Para instalar o pacote noturno mais recente, use o seguinte comando:
pip install --extra-index-url https://pypi-nightly.tensorflow.org/simple tfx-bslIsso instalará os pacotes noturnos para as principais dependências do TFX-BSL, como os metadados do tensorflow (TFMD).
No entanto, é uma dependência de muitos componentes TFX e, geralmente, como usuário, você não precisa instalá -lo diretamente.
Se você deseja criar um componente TFX a partir da filial mestre, após a versão mais recente, também pode ser necessário criar o mais recente tfx_bsl , pois esse componente TFX pode ter dependente de novos recursos introduzidos após a versão mais recente tfx_bsl .
Construir do Docker é a maneira recomendada de criar tfx_bsl no Linux e é testado continuamente no Google.
Por favor, instale primeiro docker e docker-compose seguindo as instruções.
tfx_bsl git clone https://github.com/tensorflow/tfx-bsl
cd tfx-bsl Observe que essas instruções instalarão a última filial principal do tfx-bsl . Se você deseja instalar uma ramificação específica (como uma ramificação de liberação), passe -b <branchname> no comando git clone .
Em seguida, execute o seguinte na raiz do projeto:
sudo docker-compose build manylinux2010
sudo docker-compose run -e PYTHON_VERSION= ${PYTHON_VERSION} manylinux2010 onde PYTHON_VERSION é um dos {39} .
Uma roda será produzida em dist/ .
pip install dist/ * .whlSe o Numpy não estiver instalado no seu sistema, instale -o agora seguindo essas direções.
Se o Bazel não estiver instalado no seu sistema, instale -o agora seguindo estas direções.
tfx_bsl git clone https://github.com/tensorflow/tfx-bsl
cd tfx-bsl Observe que essas instruções instalarão a filial principal mais recente do tfx_bsl se você deseja instalar uma ramificação específica (como uma ramificação de liberação), Pass -b <branchname> para o comando git clone .
A roda tfx_bsl depende da versão Python - para construir o pacote PIP que funciona para uma versão específica do Python, use esse binário python para ser executado:
python setup.py bdist_wheel Você pode encontrar o arquivo .whl gerado no subdiretório dist .
pip install dist/ * .whl tfx_bsl é testado nos seguintes sistemas operacionais de 64 bits:
A tabela a seguir são as versões do pacote tfx_bsl que são compatíveis entre si. Isso é determinado por nossa estrutura de teste, mas outras combinações não testadas também podem funcionar.
| tfx-bsl | Apache-Beam [GCP] | pyarrow | tensorflow | Tensorflow-metadata | Tensorflow-serving-api |
|---|---|---|---|---|---|
| Github Master | 2.59.0 | 10.0.1 | todas as noites (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 |
