TensorFlow Model Analizi

TensorFlow Model Analysis (TFMA), TensorFlow modellerini değerlendirmek için bir kütüphanedir. Kullanıcıların, eğitmenlerinde tanımlanan aynı metrikleri kullanarak, dağıtılmış bir şekilde büyük miktarda veri üzerinde modellerini değerlendirmelerine olanak tanır. Bu metrikler, farklı veri dilimleri üzerinden hesaplanabilir ve Jupyter not defterlerinde görselleştirilebilir.

TFMA Dilimleme Metrikleri Tarayıcısı

Kurulum

TFMA'yı kurmanın önerilen yolu, PyPI paketini kullanmaktır:

pip install tensorflow-model-analysis

Kaynaktan TFMA oluşturun

Kaynaktan derlemek için aşağıdaki adımları izleyin:

Protokolü belirtilen bağlantıya göre kurun: protokol

Komutları çalıştırarak sanal bir ortam oluşturun

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

Bu, dist dizininde TFMA tekerleğini oluşturacaktır. Tekerleği dist dizininden kurmak için komutları çalıştırın

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

Gecelik Paketler

TFMA ayrıca Google Cloud'da https://pypi-nightly.tensorflow.org adresinde gece paketleri barındırır. En son gece paketini kurmak için lütfen aşağıdaki komutu kullanın:

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

Bu, TensorFlow Metadata (TFMD), TFX Basic Shared Libraries (TFX-BSL) gibi TFMA'nın başlıca bağımlılıkları için gecelik paketleri kuracaktır.

Şu anda TFMA, TensorFlow'un kurulu olmasını gerektirir, ancak TensorFlow PyPI paketine açık bir bağımlılığı yoktur. Talimatlar için TensorFlow kurulum kılavuzlarına bakın.

Jupyter Notebook'ta TFMA görselleştirmesini etkinleştirmek için:

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

Jüpiter Laboratuvarı

Yazı yazarken, https://github.com/pypa/pip/issues/9187 nedeniyle pip install asla bitmeyebilir. Bu durumda, pip'i 20: pip install "pip<20" yerine sürüm 19'a döndürmelisiniz.

Bir JupyterLab uzantısının kullanılması, komut satırına bağımlılıkların yüklenmesini gerektirir. Bunu konsolda JupyterLab kullanıcı arayüzünde veya komut satırında yapabilirsiniz. Bu, tüm pip paketi bağımlılıklarının ve JupyterLab labextension eklenti bağımlılıklarının ayrı ayrı yüklenmesini içerir ve sürüm numaraları uyumlu olmalıdır.

Aşağıdaki örneklerde 0.27.0 kullanılır. En son sürümleri kullanmak için aşağıdaki mevcut sürümleri kontrol edin.

Jüpyter Laboratuvarı 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

Jüpiter Laboratuvarı 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

Sorun giderme

pip paketlerini kontrol edin:

pip list

Uzantıları kontrol edin:

jupyter labextension list

Önemli Bağımlılıklar

TensorFlow gereklidir.

Apache Işını gereklidir; verimli dağıtılmış hesaplamanın desteklenme şekli budur. Apache Beam varsayılan olarak yerel modda çalışır ancak Google Cloud Dataflow ve diğer Apache Beam çalıştırıcıları kullanılarak dağıtılmış modda da çalışabilir.

Apache Arrow da gereklidir. TFMA, vektörleştirilmiş numpy işlevlerinden yararlanmak için verileri dahili olarak temsil etmek için Ok kullanır.

Başlarken

TFMA'yı kullanma talimatları için başlangıç ​​kılavuzuna bakın.

Uyumlu Sürümler

Aşağıdaki tablo birbiriyle uyumlu TFMA paket sürümleridir. Bu, test çerçevemiz tarafından belirlenir, ancak diğer test edilmemiş kombinasyonlar da işe yarayabilir.

tensorflow-model-analizi apache ışını[gcp] piramit tensör akışı tensorflow-meta verisi tfx-bsl
GitHub yöneticisi 2.38.0 5.0.0 her gece (1.x/2.x) 1.9.0 1.9.0
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 n/a 0.15.1
0.15.3 2.16.0 0.15.0 1.15 / 2.0 n/a 0.15.1
0.15.2 2.16.0 0.15.0 1.15 / 2.0 n/a 0.15.1
0.15.1 2.16.0 0.15.0 1.15 / 2.0 n/a 0.15.0
0.15.0 2.16.0 0.15.0 1.15 n/a n/a
0.14.0 2.14.0 n/a 1.14 n/a n/a
0.13.1 2.11.0 n/a 1.13 n/a n/a
0.13.0 2.11.0 n/a 1.13 n/a n/a
0.12.1 2.10.0 n/a 1.12 n/a n/a
0.12.0 2.10.0 n/a 1.12 n/a n/a
0.11.0 2.8.0 n/a 1.11 n/a n/a
0.9.2 2.6.0 n/a 1.9 n/a n/a
0.9.1 2.6.0 n/a 1.10 n/a n/a
0.9.0 2.5.0 n/a 1.9 n/a n/a
0.6.0 2.4.0 n/a 1.6 n/a n/a

sorular

Lütfen tensorflow-model-analiz etiketini kullanarak TFMA ile çalışma hakkındaki sorularınızı Stack Overflow'a yönlendirin.