用于维护工件元数据的库。
项目描述
ML元数据
ML元数据（MLMD） 是一个用于记录和检索与ML开发者和数据科学家工作流程相关的元数据的库。
注意：ML元数据可能在1.0版本之前可能不兼容。
入门
有关MLMD的更多背景信息和使用说明，请参阅 入门指南
从PyPI安装
安装ML元数据推荐的方法是使用 PyPI包
pip install ml-metadata
然后导入相关包
from ml_metadata import metadata_store
from ml_metadata.proto import metadata_store_pb2
夜间包
ML元数据（MLMD）还在Google Cloud上的https://pypi-nightly.tensorflow.org托管每日构建的包。要安装最新的每日构建包，请使用以下命令
pip install --extra-index-url https://pypi-nightly.tensorflow.org/simple ml-metadata
使用Docker安装
这是在Linux下构建ML元数据的推荐方法，并在Google上持续测试。
请首先按照以下说明安装docker和docker-compose：docker；docker-compose。
然后在项目根目录下运行以下命令
DOCKER_SERVICE=manylinux-python${PY_VERSION}
sudo docker-compose build ${DOCKER_SERVICE}
sudo docker-compose run ${DOCKER_SERVICE}
其中PY_VERSION是以下之一：{39, 310, 311}。
在dist/下将生成一个wheel文件，并按照以下方式安装
pip install dist/*.whl
从源代码安装
1. 先决条件
要编译和使用ML元数据，您需要设置一些先决条件。
安装Bazel
如果系统上没有安装Bazel，请按照这些说明进行安装。
安装cmake
如果系统上没有安装cmake，请按照这些说明进行安装。
2. 克隆ML元数据仓库
git clone https://github.com/google/ml-metadata
cd ml-metadata
请注意，这些说明将安装ML元数据的最新master分支。如果您想安装特定的分支（例如发布分支），请将-b <branchname>传递给git clone命令。
3. 构建pip包
ML元数据使用Bazel从源代码构建pip包
python setup.py bdist_wheel
生成的.whl文件可以在dist子目录中找到。
4. 安装pip包
pip install dist/*.whl
5.（可选）构建grpc服务器
ML元数据使用Bazel从源代码构建C++二进制文件
bazel build -c opt --define grpc_no_ares=true //ml_metadata/metadata_store:metadata_store_server
支持的平台
MLMD在以下64位操作系统上构建和测试
- macOS 10.14.6（Mojave）或更高版本。
- Ubuntu 20.04或更高版本。
- [已弃用] Windows 10或更高版本。对于兼容Windows的库，请参阅MLMD 1.14.0或更早版本。
关闭
哈希值 for ml_metadata-1.16.0-cp311-cp311-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | e5d2cd458030df565867957f8dc961dbe9298e3fa22c7f9b86c850ffa7915465 |
|
| MD5 | 1f0de20787a09c9a9eeec1f1e61e02a9 |
|
| BLAKE2b-256 | b8d4e9a39e4aaccf0b99f584659549ab4fb8e008ef66e1fdbfa961685142ff33 |
关闭
哈希值 for ml_metadata-1.16.0-cp311-cp311-macosx_12_0_x86_64.whl
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | e0a0cc74c1e213ad305cfa562445c156aee70400ccadb249b77e3c8b2da53904 |
|
| MD5 | 44db6db6ed6e65e0c60b0cdbf67300b9 |
|
| BLAKE2b-256 | 5666c876cf20d85d5e8270cdd49457d6bcc5a4f806141a26cd98d8b38d48e71e |
关闭
哈希值 for ml_metadata-1.16.0-cp310-cp310-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | cd93577d76e4158cce42c3b98cc2a9d88955137f846e17a2fec3ffe72ba9f0bb |
|
| MD5 | 4bb9e02c4278318000a6f44941494c5b |
|
| BLAKE2b-256 | 82ff783d6dd19c6d7efa5adcc225e9cfc61d38496cd4f07d4b78ecb9decf84f8 |
关闭
哈希值 for ml_metadata-1.16.0-cp310-cp310-macosx_12_0_x86_64.whl
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | 1e4d559befa38b4d464565c7fafd7cd30b6acd39f236e1d0224ea22cdf0fa5e6 |
|
| MD5 | bdf28b1c79cbcbbd35102d0111a86378 |
|
| BLAKE2b-256 | 1eeeca2b19bc255ae6a5e3e1f88a6a15a8a8b294f91bb8fc36f201af83fc41c6 |
关闭
哈希值 用于 ml_metadata-1.16.0-cp39-cp39-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | 8ebc8172cd360688f9e41bb1d338c7d24f81e0907ac2ac7be50aed6200274993 |
|
| MD5 | 3cc1b3065ec150ab131a78b846928c33 |
|
| BLAKE2b-256 | b26ebfdf9ccc97e3066a31c6a34fed84f9166e3dca625afe9d6be80b08ec146f |
关闭
哈希值 用于 ml_metadata-1.16.0-cp39-cp39-macosx_12_0_x86_64.whl
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | 92dd42a6540f0133a04c187c44a7baaf062e49ce054aab5cc965344fcba1ad7a |
|
| MD5 | 7d1a0233370a932a6c97750281c8f1e9 |
|
| BLAKE2b-256 | 4ca27dd8eea0b113e46208ebeee54aefbc4f4a2b301394ffe3f73bc9769c9ead |
