टेंसरफ़्लो मॉडल विश्लेषण

TensorFlow मॉडल विश्लेषण (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।

इंस्टालेशन

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

pip install tensorflow-model-analysis

स्रोत से टीएफएमए बनाएं

स्रोत से निर्माण के लिए निम्नलिखित चरणों का पालन करें:

उल्लिखित लिंक के अनुसार प्रोटोक स्थापित करें: प्रोटोक

कमांड चलाकर एक 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 dist निर्देशिका में TFMA व्हील का निर्माण करेगा। डिस्ट डायरेक्टरी से व्हील को स्थापित 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 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 मेटाडेटा (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 इसकी कोई स्पष्ट निर्भरता नहीं है। निर्देशों के लिए TensorFlow इंस्टॉल गाइड देखें।

ज्यूपिटर नोटबुक में टीएफएमए विज़ुअलाइज़ेशन सक्षम करने के लिए:

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

ज्यूपिटर लैब

लिखते समय, https://github.com/pypa/pip/issues/9187 के कारण, pip install कभी खत्म 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 निर्भरता स्थापित करने की आवश्यकता होती है। आप इसे ज्यूपिटरलैब यूआई में कंसोल के भीतर या कमांड लाइन पर कर सकते हैं। इसमें किसी भी पाइप पैकेज निर्भरता और ज्यूपिटरलैब लैबेक्स्टेंशन प्लगइन निर्भरता को अलग से स्थापित करना शामिल है, और संस्करण संख्याएं संगत होनी चाहिए।

नीचे दिए गए उदाहरण 0.27.0 का उपयोग करते हैं। नवीनतम का उपयोग करने के लिए नीचे उपलब्ध संस्करण देखें।

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 पैकेज की जाँच करें:

pip list

एक्सटेंशन जांचें:

jupyter labextension list

उल्लेखनीय निर्भरताएँ

TensorFlow आवश्यक है.

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

अपाचे एरो भी आवश्यक है. टीएफएमए वेक्टरकृत सुन्न कार्यों का उपयोग करने के लिए आंतरिक रूप से डेटा का प्रतिनिधित्व करने के लिए एरो का उपयोग करता है।

शुरू करना

टीएफएमए का उपयोग करने के निर्देशों के लिए, आरंभ मार्गदर्शिका देखें।

संगत संस्करण

निम्न तालिका टीएफएमए 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।

प्रश्न

कृपया टेंसरफ्लो-मॉडल-विश्लेषण टैग का उपयोग करके टीएफएमए के साथ काम करने के बारे में किसी भी प्रश्न को स्टैक ओवरफ्लो पर निर्देशित करें।