TensorFlow Model Analizi (TFMA), TensorFlow modellerini değerlendirmeye yönelik bir kitaplıktır. Kullanıcıların, eğitmenlerinde tanımlanan aynı metrikleri kullanarak modellerini büyük miktarda veri üzerinde dağıtılmış bir şekilde değerlendirmelerine olanak tanır. Bu ölçümler farklı veri dilimleri üzerinden hesaplanabilir ve Jupyter not defterlerinde görselleştirilebilir.
Kurulum
TFMA'yı kurmanın önerilen yolu PyPI paketini kullanmaktır:
pip install tensorflow-model-analysis
TFMA'yı kaynaktan oluşturun
Kaynaktan derlemek için aşağıdaki adımları izleyin:
Protokolü belirtilen bağlantıya göre yükleyin: 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, TFMA tekerleğini dist dizininde 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 gecelik paketler de barındırır. En son gecelik paketi yüklemek 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 ana bağımlılıklarına yönelik gecelik paketleri yükleyecektir.
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
Jüpyter Laboratuvarı
Yazım itibariyle https://github.com/pypa/pip/issues/9187 nedeniyle pip install
hiç bitmeyebilir. Bu durumda pip'i 20 yerine 19 sürümüne döndürmelisiniz: pip install "pip<20"
.
JupyterLab uzantısını kullanmak, komut satırına bağımlılıkların yüklenmesini gerektirir. Bunu JupyterLab kullanıcı arayüzündeki konsolda veya komut satırında yapabilirsiniz. Bu, pip paketi bağımlılıklarının ve JupyterLab labextension eklentisi bağımlılıklarının ayrı ayrı kurulmasını içerir ve sürüm numaralarının uyumlu olması gerekir.
Aşağıdaki örneklerde 0.27.0 kullanılmaktadır. En son sürümü 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
Jüpyter 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 Beam gereklidir; verimli dağıtılmış hesaplamanın desteklenmesinin yolu budur. Apache Beam varsayılan olarak yerel modda çalışır ancak Google Cloud Dataflow ve diğer Apache Beam çalıştırıcılarını kullanarak dağıtılmış modda da çalışabilir.
Apache Arrow da gereklidir. TFMA, vektörleştirilmiş numpy işlevlerinden yararlanmak amacıyla verileri dahili olarak temsil etmek için Arrow'u kullanır.
Başlarken
TFMA kullanımına ilişkin talimatlar için başlangıç kılavuzuna bakın.
Uyumlu Sürümler
Aşağıdaki tabloda birbiriyle uyumlu TFMA paketi versiyonları yer almaktadır. Bu, test çerçevemiz tarafından belirlenir ancak test edilmemiş diğer kombinasyonlar da işe yarayabilir.
tensorflow-model analizi | apache-ışını[gcp] | çalı otu | tensor akışı | tensorflow meta verileri | tfx-bsl |
---|---|---|---|---|---|
GitHub ustası | 2.47.0 | 10.0.0 | gecelik (2.x) | 1.15.0 | 1.15.1 |
0.46.0 | 2.47.0 | 10.0.0 | 2.15 | 1.15.0 | 1.15.1 |
0.45.0 | 2.47.0 | 10.0.0 | 2.13 | 1.14.0 | 1.14.0 |
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 | yok | 0.15.1 |
0.15.3 | 2.16.0 | 0.15.0 | 1,15 / 2,0 | yok | 0.15.1 |
0.15.2 | 2.16.0 | 0.15.0 | 1,15 / 2,0 | yok | 0.15.1 |
0.15.1 | 2.16.0 | 0.15.0 | 1,15 / 2,0 | yok | 0.15.0 |
0.15.0 | 2.16.0 | 0.15.0 | 1.15 | yok | yok |
0.14.0 | 2.14.0 | yok | 1.14 | yok | yok |
0.13.1 | 2.11.0 | yok | 1.13 | yok | yok |
0.13.0 | 2.11.0 | yok | 1.13 | yok | yok |
0.12.1 | 2.10.0 | yok | 1.12 | yok | yok |
0.12.0 | 2.10.0 | yok | 1.12 | yok | yok |
0.11.0 | 2.8.0 | yok | 1.11 | yok | yok |
0.9.2 | 2.6.0 | yok | 1.9 | yok | yok |
0.9.1 | 2.6.0 | yok | 1.10 | yok | yok |
0.9.0 | 2.5.0 | yok | 1.9 | yok | yok |
0.6.0 | 2.4.0 | yok | 1.6 | yok | yok |
Sorular
Lütfen TFMA ile çalışmayla ilgili sorularınızı tensorflow-model-analiz etiketini kullanarak Stack Overflow'a yönlendirin.