tfx_bsl(tfx基本共享库)包含许多tfx(TensorFlow eXtended)库和组件共享的库。
tfx-bsl的Python项目详细描述
TFX基本共享库
TFX基本共享库(tfx_bsl
)包含多个共享的库
TensorFlow eXtended (TFX)组件。在
仅由tfx_bsl/public
下的子模块导出的符号用于
直接由TFX用户使用,包括独立的TFX库(如TFDV、TFMA、TFX、TFDV等),
TFT)用户、TFX管道作者和TFX组件作者。那些API会
一旦tfx_bsl
超出1.0
,就变得稳定并遵循语义版本控制。在
其他目录下的api应该被认为是TFX内部的 (因此,对于 他们)。在
TFX库的每个次要版本或TFX本身(如果需要)
依赖于tfx_bsl
,将依赖于它的特定次要版本(例如。
^{14>只依赖于cd6>,
tfx_bsl
0.14.*)
从PyPI安装
tfx_bsl
可用作PyPI package。在
pip install tfx-bsl
夜间套餐
TFX-BSL还在上的https://pypi-nightly.tensorflow.org托管夜间包 谷歌云。要安装最新的夜间软件包,请使用以下命令 命令:
^{pr2}$这将为TFX-BSL的主要依赖项安装夜间包 例如TensorFlow元数据(TFMD)。在
但是,它是许多TFX组件的依赖项,通常作为用户 不需要直接安装。在
使用Docker构建
如果要从主分支生成TFX组件,请超过最新的
发布时,您可能还必须构建最新的tfx_bsl
,作为TFX组件
可能依赖于最新推出的新功能tfx_bsl
释放。在
从Docker构建是在Linux下构建tfx_bsl
的推荐方法,
并在谷歌持续测试。在
1。安装Docker
2。克隆tfx_bsl
存储库
git clone https://github.com/tensorflow/tfx-bsl
cd tfx-bsl
请注意,这些指令将安装tfx-bsl
的最新主分支。
如果要安装特定分支(如发布分支),请通过
-b <branchname>
到git clone
命令。在
3。构建pip包
然后,在项目根目录下运行以下命令:
sudo docker-compose build manylinux2010 sudo docker-compose run -e PYTHON_VERSION=${PYTHON_VERSION} manylinux2010
其中PYTHON_VERSION
是{35, 36, 37, 38}
之一。在
将在dist/
下生成一个轮子。在
4。安装pip包
pip install dist/*.whl
从源代码生成
1。先决条件
安装NumPy
如果您的系统上没有安装NumPy,请按照these directions进行安装。在
安装Bazel
如果您的系统上没有安装Bazel,请按照these directions立即安装。在
2。克隆tfx_bsl
存储库
git clone https://github.com/tensorflow/tfx-bsl
cd tfx-bsl
请注意,这些指令将安装tfx_bsl
的最新主分支
如果要安装特定的分支(例如发布分支),
将-b <branchname>
传递给git clone
命令。在
3。构建pip包
tfx_bsl
wheel依赖于Python版本——构建pip包
适用于特定的Python版本,请使用该Python二进制文件运行:
python setup.py bdist_wheel
您可以在dist
子目录中找到生成的.whl
文件。在
4。安装pip包
pip install dist/*.whl
支持的平台
tfx_bsl
在以下64位操作系统上测试:
- macOS 10.12.6(Sierra)或更高版本。在
- Ubuntu 16.04或更高版本。在
- Windows 7或更高版本。在
- 项目
标签: