Как совместить артефакты базеля от тензорного потока тензорного потока и синтаксина?

Question

Я построил синтаксическую сеть и тензорпользующ с использованием bazel. Оба встроят собственную (частичную?) Копию самого тензорного потока. У меня уже возникла проблема, когда я хотел бы «импортировать» некоторые части функции tensorflow в скрипте, который «живет» в дереве синтаксических сетей, который я не могу понять (без каких-либо ОЧЕНЬ уродливых вещей).

Теперь мне бы хотелось «тензорная доска», но это, по-видимому, не построено как часть встроенного тензорного потока внутри синтаксического или тензорного потока.

Итак, теперь я уверен, что «я делаю это неправильно». Как я должен сочетать артефакты, созданные различными отдельными рабочими пространствами?

В частности, как я могу построить тензорный поток (с тензорной таблицей) И синтаксическую сеть И использование функции tensorflow и их «установить» для использования, чтобы я мог начать писать свои собственные скрипты в полностью отдельном каталоге/репозитории?

Есть ли «./bazel-bin/blah» действительно конечная игра с базой? Нет эквивалента «make install»?

Answer 1

Вы правы, в настоящее время цели Tensorboard отображаются только в репозитории Tensorflow, а не в двух других, которые его используют. Это означает, что для фактического создания Tensorboard вам необходимо самостоятельно проверить Tensorflow и скомпилировать/запустить Tensorboard (указывая его на сгенерированный logdir).

Фактически, генерация сводных данных обучения в каталоге журнала выполняется во время обучения, в вашем случае в режиме ретрансляции tensorflow/models. Похоже, что SummaryWriter используется в inception_train.py, поэтому, возможно, вы можете добавить что-то похожее на синтаксическую сеть. Если это не сработает, и вы не можете связать Tensorboard, я бы рекомендовал подать вопрос в тензонах/моделях, чтобы добавить поддержку Tensorboard. Вам не нужно использовать Tensorboard в Tensorflow Serving.

Импорт частей Tensorflow Для использования в синтаксисе вам потребуется добавить эту новую Dependency в качестве подмодуля (например, с помощью tensorflow) или, возможно, git_repository в файле WORKSPACE, если это работает. Мы никогда не пробовали это, так что возможно, что что-то нарушено для этого непроверенного варианта использования. Если вы столкнулись с проблемой, напишите о проблемах.

Что касается простой установки и запуска, обслуживание Tensorflow Serving не поддерживает это прямо сейчас. Это набор библиотек, которые вы напрямую связываете с вашим двоичным и компилируемым серверами (репо предлагает несколько серверов и клиентов), но сейчас нет простого «установленного сервера». Тензорный поток вместе с Tensorboard можно установить и связать из любого места.