TensorFlow मॉडल विश्लेषण

TensorFlow Model Analysis (TFMA) TensorFlow मॉडल के मूल्यांकन के लिए एक पुस्तकालय है। यह उपयोगकर्ताओं को उनके ट्रेनर में परिभाषित समान मेट्रिक्स का उपयोग करके वितरित तरीके से बड़ी मात्रा में डेटा पर अपने मॉडल का मूल्यांकन करने की अनुमति देता है। इन मेट्रिक्स की गणना डेटा के विभिन्न स्लाइस पर की जा सकती है और ज्यूपिटर नोटबुक में देखी जा सकती है।

TFMA स्लाइसिंग मेट्रिक्स ब्राउज़र

इंस्टालेशन

TFMA को स्थापित करने का अनुशंसित तरीका PyPI पैकेज का उपयोग कर रहा है:

pip install tensorflow-model-analysis

स्रोत से TFMA बनाएँ

स्रोत से निर्माण करने के लिए निम्न चरणों का पालन करें:

उल्लिखित लिंक के अनुसार प्रोटोक स्थापित करें: प्रोटोक

कमांड चलाकर वर्चुअल वातावरण बनाएं

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

यह डिस्टर्ब डायरेक्टरी में TFMA व्हील का निर्माण करेगा। डिस्ट्रिक्ट डायरेक्टरी से व्हील को इंस्टॉल करने के लिए कमांड्स रन करें

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

रात का पैकेज

TFMA Google क्लाउड पर https://pypi-nightly.tensorflow.org पर रात्रिकालीन पैकेज भी होस्ट करता है। नवीनतम रात्रिकालीन पैकेज को स्थापित करने के लिए, कृपया निम्नलिखित कमांड का उपयोग करें:

pip install -i https://pypi-nightly.tensorflow.org/simple tensorflow-model-analysis

यह TFMA की प्रमुख निर्भरताओं जैसे कि TensorFlow Metadata (TFMD), TFX बेसिक शेयर्ड लाइब्रेरीज़ (TFX-BSL) के लिए रात्रिकालीन पैकेज स्थापित करेगा।

वर्तमान में, TFMA के लिए आवश्यक है कि TensorFlow स्थापित हो, लेकिन TensorFlow PyPI पैकेज पर स्पष्ट निर्भरता नहीं है। निर्देशों के लिए TensorFlow इंस्टॉल गाइड देखें।

ज्यूपिटर नोटबुक में TFMA विज़ुअलाइज़ेशन को सक्षम करने के लिए:

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

ज्यूपिटर लैब

लेखन के अनुसार, https://github.com/pypa/pip/issues/9187 के कारण, pip install कभी समाप्त नहीं हो सकता है। उस स्थिति में, आपको पाइप को 20 के बजाय संस्करण 19 में वापस लाना चाहिए: pip install "pip<20" ।

JupyterLab एक्सटेंशन का उपयोग करने के लिए कमांड लाइन पर निर्भरता स्थापित करने की आवश्यकता होती है। आप इसे JupyterLab UI में कंसोल के भीतर या कमांड लाइन पर कर सकते हैं। इसमें किसी भी पाइप पैकेज निर्भरता और जुपिटरलैब लैबेक्स्टेंशन प्लगइन निर्भरता को अलग से स्थापित करना शामिल है, और संस्करण संख्या संगत होनी चाहिए।

नीचे दिए गए उदाहरण 0.27.0 का उपयोग करते हैं। नवीनतम का उपयोग करने के लिए नीचे उपलब्ध संस्करणों की जाँच करें।

ज्यूपिटर लैब 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

ज्यूपिटर लैब 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

समस्या निवारण

पिप संकुल की जाँच करें:

pip list

एक्सटेंशन जांचें:

jupyter labextension list

उल्लेखनीय निर्भरताएँ

टेंसरफ्लो की आवश्यकता है।

अपाचे बीम की आवश्यकता है; यह वह तरीका है जिससे कुशल वितरित संगणना समर्थित है। डिफ़ॉल्ट रूप से, अपाचे बीम स्थानीय मोड में चलता है लेकिन Google क्लाउड डेटाफ्लो और अन्य अपाचे बीम धावकों का उपयोग करके वितरित मोड में भी चल सकता है।

अपाचे एरो की भी जरूरत है। TFMA सदिशीकृत संख्यात्मक कार्यों का उपयोग करने के लिए आंतरिक रूप से डेटा का प्रतिनिधित्व करने के लिए एरो का उपयोग करता है।

शुरू करना

TFMA का उपयोग करने के निर्देशों के लिए, आरंभ करें मार्गदर्शिका देखें।

संगत संस्करण

निम्न तालिका TFMA पैकेज संस्करण है जो एक दूसरे के साथ संगत हैं। यह हमारे परीक्षण ढांचे द्वारा निर्धारित किया जाता है, लेकिन अन्य अपरीक्षित संयोजन भी काम कर सकते हैं।

टेंसरफ़्लो-मॉडल-विश्लेषण अपाचे-बीम [जीसीपी] चिड़िया tensorflow टेंसरफ़्लो-मेटाडेटा tfx-बीएसएल
गिटहब मास्टर 2.40.0 6.0.0 रात्रिकालीन (2.x) 1.13.1 1.13.0
0.44.0 2.40.0 6.0.0 2.12 1.13.1 1.13.0
0.43.0 2.40.0 6.0.0 2.11 1.12.0 1.12.0
0.42.0 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 लागू नहीं 0.15.1
0.15.3 2.16.0 0.15.0 1.15 / 2.0 लागू नहीं 0.15.1
0.15.2 2.16.0 0.15.0 1.15 / 2.0 लागू नहीं 0.15.1
0.15.1 2.16.0 0.15.0 1.15 / 2.0 लागू नहीं 0.15.0
0.15.0 2.16.0 0.15.0 1.15 लागू नहीं लागू नहीं
0.14.0 2.14.0 लागू नहीं 1.14 लागू नहीं लागू नहीं
0.13.1 2.11.0 लागू नहीं 1.13 लागू नहीं लागू नहीं
0.13.0 2.11.0 लागू नहीं 1.13 लागू नहीं लागू नहीं
0.12.1 2.10.0 लागू नहीं 1.12 लागू नहीं लागू नहीं
0.12.0 2.10.0 लागू नहीं 1.12 लागू नहीं लागू नहीं
0.11.0 2.8.0 लागू नहीं 1.11 लागू नहीं लागू नहीं
0.9.2 2.6.0 लागू नहीं 1.9 लागू नहीं लागू नहीं
0.9.1 2.6.0 लागू नहीं 1.10 लागू नहीं लागू नहीं
0.9.0 2.5.0 लागू नहीं 1.9 लागू नहीं लागू नहीं
0.6.0 2.4.0 लागू नहीं 1.6 लागू नहीं लागू नहीं

प्रशन

कृपया TFMA के साथ काम करने के बारे में किसी भी प्रश्न को टेंसरफ़्लो-मॉडल-विश्लेषण टैग का उपयोग करके स्टैक ओवरफ़्लो पर निर्देशित करें।