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_bsl0.14.*）
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_bslwheel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：
欢迎加入QQ群-->： 979659372
