SIG TFX-Addons समुदाय में शामिल हों और TFX को और बेहतर बनाने में मदद करें!

TensorFlow मॉडल विश्लेषण

TensorFlow मॉडल विश्लेषण (TFMA) TensorFlow मॉडल के मूल्यांकन के लिए एक पुस्तकालय है। यह उपयोगकर्ताओं को अपने ट्रेनर में परिभाषित समान मीट्रिक 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 जुपिटर नोटबुक में देखे जा सकते हैं।

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 टीएफएमए बनाएं

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

उल्लिखित लिंक के अनुसार प्रोटोकॉल 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 डिस्ट्रिक्ट डायरेक्टरी में TFMA व्हील का निर्माण करेगा। डिस्ट्रिक्ट डायरेक्टरी से व्हील इंस्टाल करने के लिए कमांड चलाएँ

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

रात्रिकालीन पैकेज

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

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

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

वर्तमान में, TFMA को TensorFlow स्थापित करने की आवश्यकता है, लेकिन TensorFlow PyPI पैकेज पर स्पष्ट निर्भरता नहीं है। निर्देशों के लिए TensorFlow इंस्टॉल गाइड देखें।

जुपिटर नोटबुक में TFMA विज़ुअलाइज़ेशन सक्षम करने के लिए:

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

जुपिटर लैब

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

JupyterLab एक्सटेंशन का उपयोग करने के लिए कमांड लाइन पर निर्भरताएँ 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 JupyterLab Labextension प्लगइन निर्भरता को अलग से स्थापित करना शामिल है, और संस्करण संख्या संगत होनी चाहिए।

नीचे दिए गए उदाहरण 0.27.0.0.1 का उपयोग करते हैं। नवीनतम का उपयोग करने के लिए नीचे उपलब्ध संस्करणों की जाँच करें।

जुपिटर 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

जुपिटर 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

पाइप पैकेज की जाँच करें:

pip list

एक्सटेंशन जांचें:

jupyter labextension list

उल्लेखनीय निर्भरता

टेंसरफ्लो की आवश्यकता है।

अपाचे बीम की आवश्यकता है; इस तरह कुशल वितरित गणना 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 भी आवश्यक है। टीएफएमए वेक्टरकृत सुपीरियर फ़ंक्शंस 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 अप्रयुक्त संयोजन भी काम कर सकते हैं।

टेंसरफ़्लो-मॉडल-विश्लेषण अपाचे-बीम [जीसीपी] पियारो टेंसरफ़्लो टेंसरफ़्लो-मेटाडेटा tfx-bsl
गिटहब मास्टर 2.29.0 2.0.0 रात में (1.x/2.x) 1.0.0 1.0.0
0.31.0 2.29.0 2.0.0 1.15 / 2.5 1.0.0 1.0.0
0.30.0 २.२८.० 2.0.0 1.15 / 2.4 0.30.0 0.30.0
0.29.0 २.२८.० 2.0.0 1.15 / 2.4 0.29.0 0.29.0
0.28.0 २.२८.० 2.0.0 1.15 / 2.4 0.28.0 0.28.0
0.27.0 २.२७.० 2.0.0 1.15 / 2.4 0.27.0 0.27.0
0.26.1 २.२८.० 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 २.१७.० 0.15.0 1.15 / 2.1 0.21.0 0.21.0
0.21.2 २.१७.० 0.15.0 1.15 / 2.1 0.21.0 0.21.0
0.21.1 २.१७.० 0.15.0 1.15 / 2.1 0.21.0 0.21.0
0.21.0 २.१७.० 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 एन/ए 0.15.1
0.15.3 2.16.0 0.15.0 1.15 / 2.0 एन/ए 0.15.1
0.15.2 2.16.0 0.15.0 1.15 / 2.0 एन/ए 0.15.1
0.15.1 2.16.0 0.15.0 1.15 / 2.0 एन/ए 0.15.0
0.15.0 2.16.0 0.15.0 1.15 एन/ए एन/ए
0.14.0 2.14.0 एन/ए 1.14 एन/ए एन/ए
0.13.1 २.११.० एन/ए 1.13 एन/ए एन/ए
0.13.0 २.११.० एन/ए 1.13 एन/ए एन/ए
0.12.1 2.10.0 एन/ए 1.12 एन/ए एन/ए
0.12.0 2.10.0 एन/ए 1.12 एन/ए एन/ए
0.11.0 2.8.0 एन/ए 1.11 एन/ए एन/ए
0.9.2 2.6.0 एन/ए 1.9 एन/ए एन/ए
0.9.1 2.6.0 एन/ए 1.10 एन/ए एन/ए
0.9.0 2.5.0 एन/ए 1.9 एन/ए एन/ए
0.6.0 २.४.० एन/ए 1.6 एन/ए एन/ए

प्रशन

कृपया टेंसरफ़्लो-मॉडल-विश्लेषण टैग का उपयोग करके TFMA के साथ स्टैक ओवरफ़्लो में काम करने के बारे में कोई भी प्रश्न पूछें।