tfx bsl

ห้องสมุดที่ใช้ร่วมกันของ TFX Basic

TFX Libraries ที่ใช้ร่วมกันขั้นพื้นฐาน ( tfx_bsl ) มีไลบรารีที่ใช้ร่วมกันโดยส่วนประกอบ TensorFlow จำนวนมาก (TFX)

สัญลักษณ์เฉพาะที่ถูกส่งออกโดยโมดูลย่อยภายใต้ tfx_bsl/public มีไว้สำหรับการใช้งานโดยตรงโดยผู้ใช้ TFX รวมถึงผู้ใช้ Library TFX แบบสแตนด์อโลน (เช่น TFDV, TFMA, TFT) ผู้ใช้ TFX ผู้เขียน Pipeline และผู้เขียนส่วนประกอบ TFX API เหล่านั้นจะมีความเสถียรและติดตามการกำหนดเวอร์ชันความหมายเมื่อ tfx_bsl เกินกว่า 1.0

APIs ภายใต้ไดเรกทอรีอื่น ๆ ควรได้รับการพิจารณาภายใน TFX (และดังนั้นจึงไม่มีการรับประกันความเข้ากันได้แบบย้อนหลังหรือไปข้างหน้าสำหรับพวกเขา)

แต่ละรุ่นรองของไลบรารี TFX หรือ TFX นั้นเองถ้ามันต้องพึ่งพา tfx_bsl จะขึ้นอยู่กับรุ่นรองเฉพาะของมัน (เช่น tensorflow_data_validation 0.14.* จะขึ้นอยู่กับและทำงานกับ tfx_bsl 0.14.*)

การติดตั้งจาก PYPI

tfx_bsl พร้อมใช้เป็นแพ็คเกจ PYPI

pip install tfx-bsl

แพ็คเกจทุกคืน

TFX-BSL ยังโฮสต์แพ็คเกจยามค่ำคืนที่ https://pypi-nightly.tensorflow.org บน Google Cloud ในการติดตั้งแพ็คเกจทุกคืนโปรดใช้คำสั่งต่อไปนี้:

pip install --extra-index-url https://pypi-nightly.tensorflow.org/simple tfx-bsl

สิ่งนี้จะติดตั้งแพ็คเกจยามค่ำคืนสำหรับการพึ่งพาที่สำคัญของ TFX-BSL เช่น Tensorflow Metadata (TFMD)

อย่างไรก็ตามมันเป็นการพึ่งพาส่วนประกอบ TFX จำนวนมากและมักจะเป็นผู้ใช้ที่คุณไม่จำเป็นต้องติดตั้งโดยตรง

สร้างด้วย Docker

หากคุณต้องการสร้างส่วนประกอบ TFX จาก Master Branch ผ่านการเปิดตัวล่าสุดคุณอาจต้องสร้าง tfx_bsl ล่าสุดเนื่องจากส่วนประกอบ TFX อาจขึ้นอยู่กับคุณสมบัติใหม่ที่ผ่านการเปิดตัว tfx_bsl ล่าสุด

การสร้างจาก Docker เป็นวิธีที่แนะนำในการสร้าง tfx_bsl ภายใต้ Linux และได้รับการทดสอบอย่างต่อเนื่องที่ Google

1. ติดตั้ง Docker

โปรดติดตั้ง docker และ docker-compose ก่อนอื่นตามคำแนะนำ

2. โคลนที่เก็บ tfx_bsl

git clone https://github.com/tensorflow/tfx-bsl
cd tfx-bsl

โปรดทราบว่าคำแนะนำเหล่านี้จะติดตั้งสาขาหลักล่าสุดของ tfx-bsl หากคุณต้องการติดตั้งสาขาที่เฉพาะเจาะจง (เช่นสาขาที่วางจำหน่าย) ให้ผ่าน -b <branchname> ไปยังคำสั่ง git clone

3. สร้างแพ็คเกจ PIP

จากนั้นเรียกใช้สิ่งต่อไปนี้ที่รูทโครงการ:

sudo docker-compose build manylinux2010
sudo docker-compose run -e PYTHON_VERSION= ${PYTHON_VERSION} manylinux2010

โดยที่ PYTHON_VERSION เป็นหนึ่งใน {39}

ล้อจะถูกผลิตภายใต้ dist/

4. ติดตั้งแพ็คเกจ PIP

pip install dist/ * .whl

สร้างจากแหล่งที่มา

1. ข้อกำหนดเบื้องต้น

ติดตั้ง numpy

หาก NUMPY ไม่ได้ติดตั้งในระบบของคุณให้ติดตั้งทันทีโดยทำตามคำแนะนำเหล่านี้

ติดตั้ง Bazel

หาก Bazel ไม่ได้ติดตั้งในระบบของคุณให้ติดตั้งทันทีโดยทำตามคำแนะนำเหล่านี้

2. โคลนที่เก็บ tfx_bsl

git clone https://github.com/tensorflow/tfx-bsl
cd tfx-bsl

โปรดทราบว่าคำแนะนำเหล่านี้จะติดตั้งสาขาหลักล่าสุดของ tfx_bsl หากคุณต้องการติดตั้งสาขาที่เฉพาะเจาะจง (เช่นสาขาที่วางจำหน่าย), pass -b <branchname> ไปยังคำสั่ง git clone

3. สร้างแพ็คเกจ PIP

tfx_bsl Wheel ขึ้นอยู่กับรุ่น Python - เพื่อสร้างแพ็คเกจ PIP ที่ใช้งานได้สำหรับรุ่น Python ที่เฉพาะ

python setup.py bdist_wheel

คุณสามารถค้นหาไฟล์ .whl ที่สร้างขึ้นในไดเรกทอรีย่อย dist

4. ติดตั้งแพ็คเกจ PIP

pip install dist/ * .whl

แพลตฟอร์มที่รองรับ

tfx_bsl ได้รับการทดสอบในระบบปฏิบัติการ 64 บิตต่อไปนี้:

• MacOS 10.12.6 (เซียร่า) หรือใหม่กว่า
• Ubuntu 20.04 หรือใหม่กว่า

รุ่นที่เข้ากันได้

ตารางต่อไปนี้คือแพ็คเกจ tfx_bsl ที่เข้ากันได้ซึ่งกันและกัน สิ่งนี้ถูกกำหนดโดยกรอบการทดสอบของเรา แต่ชุดค่าผสม ที่ยังไม่ผ่านการทดสอบ อื่น ๆ อาจใช้งานได้เช่นกัน

TFX-BSL	Apache-beam [GCP]	pyarrow	เทนเซอร์โฟลว์	Tensorflow-metadata	Tensorflow-Serving-API
GitHub Master	2.59.0	10.0.1	ทุกคืน (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