感谢您对我们库的关注！我们很高兴拥有这样一个积极主动的社区。
开始
- 如果您是 TFDS 的新用户，最简单的入门方式是实现我们的请求数据集之一，重点关注呼声最高的数据集。请按照我们的指南获取说明。
- 议题、功能请求、错误等比添加新数据集的影响要大得多，因为它们会使整个 TFDS 社区受益。请参阅潜在贡献列表。从标有 contribution-welcome 的议题开始，这些都是容易上手的独立小议题。
- 不要犹豫接管已经分配但有一段时间没有更新的错误。
- 无需将议题分配给您。当您开始处理议题时，只需对它发表评论 :)
- 如果您对某个议题感兴趣但不知道如何开始，请随时寻求帮助。如果您需要早期反馈，请发送草案 PR。
- 为避免不必要的重复工作，请检查待处理的拉取请求列表，并对您正在处理的议题发表评论。
设置
克隆仓库
首先，克隆或下载 Tensorflow Datasets 仓库并在本地安装仓库。
git clone https://github.com/tensorflow/datasets.git
cd datasets/
安装开发依赖项：
pip install -e . # Install minimal deps to use tensorflow_datasets
pip install -e ".[dev]" # Install all deps required for testing and development
请注意，还需要通过 pip install -e ".[tests-all]" 来安装所有特定于数据集的依赖项。
Visual Studio Code
在使用 Visual Studio Code 进行开发时，我们的仓库附带了一些预定义设置来帮助开发（正确的缩进、pylint…）。
注：由于某些 VS Code 错误 #13301 和 #6594，在 VS Code 中启用测试发现可能会失败。要解决这些议题，可以查看测试发现日志：
- 如果您遇到了一些 TensorFlow 警告消息，请尝试此修正。
- 如果由于缺少应该安装的导入而导致发现失败，请发送 PR 以更新
devpip 安装。
PR 核对清单
签署 CLA
对此项目的贡献必须随附贡献者许可协议 (CLA)。您（或您的雇主）保留您贡献的版权；这样做的目的是允许我们在项目中使用和重新分配您的贡献。前往 https://cla.developers.google.com/ 查看您当前归档的协议或签署新协议。
您通常只需要提交一次 CLA，因此如果您已经提交了一份（即使是针对不同的项目），您可能不需要再次提交。
遵循最佳做法
- 可读性非常重要。代码应遵循最佳编程做法（避免重复，分解成小的独立函数，使用显式变量名称…）
- 越简单越好（例如，将实现分成多个较小的独立 PR，这样更容易审核）。
- 需要时添加测试，现有测试应当能够通过。
- 添加输入注解
检查风格指南
我们的风格基于 Google Python 风格指南，后者基于 PEP 8 Python 风格指南。新代码应努力遵循 Black 代码风格，但应具有：
- 行长度：80
- 2 个而不是 4 个空格缩进。
- 单引号
'
重要提示：确保在您的代码上运行 pylint 以检查您的代码格式是否正确：
pip install pylint --upgrade
pylint tensorflow_datasets/core/some_file.py
您可以尝试 yapf 来自动格式化文件，但该工具并不完美，因此您可能必须在之后手动应用修正。
yapf tensorflow_datasets/core/some_file.py
pylint 和 yapf 都应使用 pip install -e ".[dev]" 安装，但也可以使用 pip install 手动安装。如果您使用的是 VS Code，那么这些工具应当集成在 UI 中。
文档字符串和输入注解
类和函数应当用文档字符串和输入注解来记录。文档字符串应遵循 Google 风格。例如：
def function(x: List[T]) -> T:
"""One line doc should end by a dot.
* Use `backticks` for code and tripple backticks for multi-line.
* Use full API name (`tfds.core.DatasetBuilder` instead of `DatasetBuilder`)
* Use `Args:`, `Returns:`, `Yields:`, `Attributes:`, `Raises:`
Args:
x: description
Returns:
y: description
"""
添加并运行单元测试
确保使用单元测试对新功能进行测试。您可以通过 VS Code 界面或命令行运行测试。例如：
pytest -vv tensorflow_datasets/core/
pytest 与 unittest：我们一直使用 unittest 模块来编写测试。新测试最好使用 pytest，它更简单、灵活、现代，并且被大多数著名的库（numpy、pandas、sklearn、matplotlib、scipy、6…）使用。如果您不熟悉 pytest，可以阅读 pytest 指南。
DatasetBuilder 的测试是特殊的，记录在添加数据集指南中。
发送 PR 以供审核！
恭喜！如需详细了解如何使用拉取请求，请参阅 GitHub 帮助。