tensorflow 里面ML Metadata，及其版本管理 是什么？

最新推荐文章于 2024-10-30 22:04:18 发布
最新推荐文章于 2024-10-30 22:04:18 发布
阅读量395 收藏
点赞数
分类专栏： 计算机视觉
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/northeastsqure/article/details/113287567
版权
MLMD提供了一种类似于TensorBoard但更强大的功能，不仅能够持久化存储实验记录以便随时查阅，还具备类似Git的功能进行版本控制，包括数据统计指标及模型准确率的追踪。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

https://mp.weixin.qq.com/s?__biz=MzU1OTMyNDcxMQ==&mid=2247492843&idx=1&sn=ad5a106ab9dc8640906a1fd7ff38f7a3&chksm=fc1bafa3cb6c26b5b61739f4a7da2dbedfe6209c9dcd27451dc9d49ce7c918b62e584bcf25b5&mpshare=1&scene=1&srcid=01267rPElYdzTSWN1fqQ0p56&sharer_sharetime=1611664264786&sharer_shareid=0842648c05a9f12b182c77d4baeb7a3a&exportkey=A4n35GhOOPoo4UboCI9O1Gk%3D&pass_ticket=Ww3agg2EIADc9%2FqI%2F%2FARRrtyWXwhqRj%2BD5QiYpH1rmixpIQRDYsPYTLerxeA5cCb&wx_header=0#rd

https://tensorflow.google.cn/tfx/guide/mlmd

1.类似与加强版tensorboard, 存入数据库里，可以永久查看

2.类似git， 做版本控制：数据统计指标，模型准确率

【人工智能】机器学习的持续交付 （CD4ML）
AI天才研究院
04-29 1万+
机器学习的持续交付 自动化机器学习应用程序的端到端生命周期 机器学习应用程序在我们的行业中变得越来越流行，但是与更传统的软件（例如 Web 服务或移动应用程序）相比，开发、部署和持续改进它们的过程更加复杂。它们会在三个轴上发生变化：代码本身、模型和数据。他们的行为通常很复杂且难以预测，而且他们更难测试、更难解释、更难改进。机器学习持续交付 (CD4ML) 是将持续交付原则和实践引入机器学习应用程序的学科。
【TensorFlow项目实战】组织切片配准（切割角度校正） —— （自研）解决了 DeepSlice 配准精度较低的问题
最新发布
shinuone的博客
01-14 1850
组织切片：即具有一定厚度的组织学（在完整3D脑图像中，具有部分且连续的帧图像），通过逐步切割得到多个切片（如：每隔6um切割一个切片）。但由于切割角度很难与正交轴完全对齐，因此切割过程中往往包含不完美之处。
ML Metadata：ML 的版本控制
tensorflowforum的博客
07-16 640
文 / Ben Mathes 和 Neoklis Polyzotis，代表 TFX 团队发布 在编写代码时，您需要追踪代码进行追踪版本控制。那么 ML 的版本控制是什么？如果您正在构建生产 ML 系统，您需要能够回答如下问题： 模型是基于哪个数据集进行训练的？ 使用了哪些超参数？ 创建此模型时，使用了哪个流水线？ 创建此模型时，使用了哪个版本的 TensorFlow（和其他库）？ 是什么导致了此模型失败？ 上次部署的模型版本是什么？ ..
128、TensorFlow元数据MetaData
aihaotan8299的博客
02-17 1214
#tf.Session.run也接收一个可选的参数options #能够让你来配置训练时的参数 #run_metadata参数让你能够收集关于训练的元信息 #列如你可以使用这些可选项来追踪执行的信息 import tensorflow as tf y = tf.matmul([[37.0, -23.0], [1.0, 4.0]], tf.random_uniform([2,...
TensorFlow中元数据（matadata）是什么
发布工作学习过程中遇到的问题和解决方案
03-10 343
元数据也可翻译为诠释数据。可以参考下面两篇博客。
探索Google的ML Metadata：打造高效机器学习工作流的利器
gitblog_00067的博客
04-16 432
探索Google的ML Metadata：打造高效机器学习工作流的利器 去发现同类优质开源项目:https://gitcode.com/ 在当今的AI时代，构建和管理机器学习（ML）模型的过程越来越复杂。为了应对这一挑战，Google开源了ML Metadata (MLMD)项目，这是一个强大的工具，旨在帮助开发者记录、追踪和审计整个机器学习工作流程中的元数据。 项目简介 MLMD是一个库，为机器...
TensorFlow Metadata 开源项目指南
gitblog_00145的博客
09-11 813
TensorFlow Metadata 开源项目指南 metadata Utilities for passing TensorFlow-related metadata between tools 项目地址: https://g...
关于 tflite 移动端部署中如何为 tflite 模型添加 metadata
Abandon_first的博客
06-30 3037
https://www.tensorflow.org/lite/convert/metadata TensorFlow Lite metadata provides a standard for model descriptions. The metadata is an important source of knowledge about what the model does and its input / output information. The metadata consists of b
【机器学习利器】：Anaconda在ML项目中的角色，环境配置与管理一步到位
[【机器学习利器】：Anaconda在ML项目中的角色，环境配置与管理一步到位](https://ucc.alicdn.com/pic/developer-ecology/izkvjug7q7swg_d97a7bb7ae9a468495e4e8284c07836e.png?x-oss-process=image/resize,s_500,m_...
《AI Agent 开发实战》第6章: AI Agent 开发框架与工具
AI天才研究院
10-30 1146
第6章: AI Agent 开发框架与工具 在本章中，我们将介绍AI Agent开发中常用的框架和工具。这些工具不仅能够加速开发过程，还能提高代码的可维护性和可扩展性。我们将探讨主流的AI开发框架、常用的开发工具和库、仿真平台，以及部署工具。 6.1 主流
TensorFlow基础教程
03-15
TensorFlow基础学习教程， 一、基础 二、线性模型 三、学习 四、分布式
pm：CLI项目元数据管理（版本，预发布等）
02-14
语义版本控制 semv这是一个有助于对软件项目的语义版本进行操作的工具。 初始化后，它将生成一个semv.toml文件，其中包含语义版本转换数据。 我们的目标 semv.toml是存储软件语义版本的标准文件 不管软件项目如何，都便于语义版本的操纵 基于spec 使用徽章 # HEADER: Copy and replace VERSION for current version [![](https://img.shields.io/badge/semv-VERSION-green)](semv.toml) [![](https://img.shields.io/badge/semver.org-by semv-green)](https://github.com/josehbez/semv) 下载并安装 如果您对获取源代码或对semv ，可以通过go get安装。 go get
元数据管理、治理、系统、建设方案、范例等
爱是与世界平行
03-06 7845
如果想建设好元数据系统，需要理解元数据系统的相关概念，如数据、数据模型、元数据、元模型、ETL、数据血缘等等。首先，要清楚数据的定义、数据模型的定义。数据一般是对客观事物描述的抽象，在数据库维度，数据是数据记录的简称，例如，个人的基本信息、产品信息等。数据模型是数据特征的抽象，它从抽象层次上描述了系统的静态特征、动态行为和约束条件，为数据库系统的信息表示与操作提供一个抽象的框架。数据模型所描述的内容有三部分，分别是数据结构、数据操作和数据约束。
基于Apache doris的元数据管理系统
锋哥聊DORIS数仓
09-14 1585
这里我们要先搞懂什么是元数据？元数据和数据的区别是什么？元数据有什么作用 1.什么是元数据 举几个例子： 如果一本书是一个“数据"，那么它的书名、封面、出版社、作者、总页码就是它的“元数据”。 如果数据库中某个表是一个”数据”，那么它的列名、列类型、列长度、表注释就是它的"元数据"。 元数据用来描述数据的数据，通过描述数据的产生、存储、使用情况、业务含义等信息，以及数据管理人员相关信息。让人们能够清楚拥有什么数据、代表什么、源自何处、如何在系统中移动，以及哪些人可以使用源数据，如何使用 2.元数据
第六篇：元数据管理之“灵魂”三问
大数据技术杂谈
06-26 1266
元数据管理“灵魂”三问——元数据是什么，有什么用，又该怎么管？
数据治理实战——元数据管理
爱吃辣条的博客
04-17 3124
数据治理实战——元数据管理
Tensorflow之环境版本匹配问题
热门推荐
ZONGXP的博客
07-13 1万+
相信很多同学在用tensorflow的时候，都被环境折磨得不要不要的…只要有某一个包不匹配，就会出现运行错误……版本高了低了都可能出现问题……（真的是恶心） 万幸，有人把环境做了一个系统的整理，只需要找到你安装的tensorflow版本，就可以看到你需要匹配的其它包的版本信息 链接是：https://docs.floydhub.com/guides/tensorflow/ 比如你要安装tensorflow-1.14，你可以看到其它python包的版本信息如下 absl-py==0.8.0 anno
TensorFlow Metadata 指南
gitblog_00085的博客
09-11 520
TensorFlow Metadata 指南 metadata Utilities for passing TensorFlow-related metadata between tools 项目地址: https://gitco...
【精选】元数据管理之——浅谈元数据管理实施步骤（附实施模板）
elevenli9216的专栏
02-02 1996
元数据管理
tensorflow-metadata 版本对应
12-08
TensorFlow Metadata（TF Metadata）是一个用于描述机器学习数据集的库，通常与TensorFlow一起使用。TF Metadata的版本需要与TensorFlow版本兼容，以确保功能的正常运作。以下是一些常见的版本对应关系： 1. **TensorFlow 2.0 - 2.3**: 这些版本的TensorFlow通常与TF Metadata 0.15及以下版本兼容。 2. **TensorFlow 2.4 - 2.5**: 这些版本的TensorFlow通常与TF Metadata 0.22及以下版本兼容。 3. **TensorFlow 2.6**: 这些版本的TensorFlow通常与TF Metadata 0.30及以下版本兼容。 4. **TensorFlow 2.7**: 这些版本的TensorFlow通常与TF Metadata 0.30及以下版本兼容。 5. **TensorFlow 2.8**: 这些版本的TensorFlow通常与TF Metadata 0.32及以下版本兼容。 为了确保最佳的兼容性和功能，建议在使用特定版本的TensorFlow时，查阅相应的TF Metadata版本文档或发布说明。以下是一些步骤来确认版本对应关系： 1. **查阅官方文档**: 访问TensorFlow和TF Metadata的官方GitHub仓库或文档页面，查看版本兼容性信息。 2. **安装特定版本**: 使用pip安装指定版本的TF Metadata。例如，安装0.22版本的TF Metadata： ```sh pip install tensorflow-metadata==0.22 ``` 3. **检查依赖关系**: 确保其他依赖库也与TensorFlow和TF Metadata版本兼容。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值