TensorFlow Transform 是一個使用 TensorFlow 預先處理資料的程式庫。tf.Transform 適用於需要完整傳遞的資料，例如
- 依平均值和標準差將輸入值標準化。
- 透過產生所有輸入值的詞彙表，將字串轉換為整數。
- 透過根據觀察到的資料分佈將浮點數指派給儲存區，將其轉換為整數。
TensorFlow 內建支援對單一範例或批次範例進行操作。tf.Transform 擴充了這些功能，以支援對範例資料進行完整傳遞。
tf.Transform 的輸出會匯出為 TensorFlow 圖表，以用於訓練和服務。由於在訓練和服務階段套用了相同的轉換，因此針對訓練和服務使用相同的圖表可以防止偏差。
如需 tf.Transform 的簡介，請參閱 TFX 開發人員高峰會談論 TFX 的 tf.Transform 章節 (連結：link)。
安裝
tensorflow-transform PyPI 套件是安裝 tf.Transform 的建議方式
pip install tensorflow-transform
從原始碼建構 TFT
若要從原始碼建構，請按照下列步驟執行：執行下列命令來建立虛擬環境
python3 -m venv <virtualenv_name>
source <virtualenv_name>/bin/activate
pip3 install setuptools wheel
git clone https://github.com/tensorflow/transform.git
cd transform
python3 setup.py bdist_wheel
這會在 dist 目錄中建構 TFT wheel。若要從 dist 目錄安裝 wheel，請執行下列命令
cd dist
pip3 install tensorflow_transform-<version>-py3-none-any.whl
每晚套件
TFT 也會在 Google Cloud 上的 https://pypi-nightly.tensorflow.org 上託管每晚套件。若要安裝最新的每晚套件，請使用下列命令
pip install --extra-index-url https://pypi-nightly.tensorflow.org/simple tensorflow-transform
這會安裝 TFT 主要依附元件 (例如 TensorFlow Metadata (TFMD)、TFX Basic Shared Libraries (TFX-BSL)) 的每晚套件。
值得注意的依附元件
TensorFlow 為必要項目。
Apache Beam 為必要項目；這是支援有效分散式運算的方式。根據預設，Apache Beam 在本機模式中執行，但也可以使用 Google Cloud Dataflow 和其他 Apache Beam 執行器在分散式模式中執行。
Apache Arrow 也是必要項目。TFT 使用 Arrow 在內部表示資料，以便使用向量化 numpy 函式。
相容版本
下表是彼此相容的 tf.Transform 套件版本。這是由我們的測試架構所決定，但其他未經測試的組合也可能有效。
| tensorflow-transform | apache-beam[gcp] | pyarrow | tensorflow | tensorflow-metadata | tfx-bsl |
|---|---|---|---|---|---|
| GitHub master | 2.47.0 | 10.0.0 | nightly (2.x) | 1.15.0 | 1.15.1 |
| 1.15.0 | 2.47.0 | 10.0.0 | 2.15 | 1.15.0 | 1.15.1 |
| 1.14.0 | 2.47.0 | 10.0.0 | 2.13 | 1.14.0 | 1.14.0 |
| 1.13.0 | 2.41.0 | 6.0.0 | 2.12 | 1.13.1 | 1.13.0 |
| 1.12.0 | 2.41.0 | 6.0.0 | 2.11 | 1.12.0 | 1.12.0 |
| 1.11.0 | 2.41.0 | 6.0.0 | 1.15.5 / 2.10 | 1.11.0 | 1.11.0 |
| 1.10.0 | 2.40.0 | 6.0.0 | 1.15.5 / 2.9 | 1.10.0 | 1.10.0 |
| 1.9.0 | 2.38.0 | 5.0.0 | 1.15.5 / 2.9 | 1.9.0 | 1.9.0 |
| 1.8.0 | 2.38.0 | 5.0.0 | 1.15.5 / 2.8 | 1.8.0 | 1.8.0 |
| 1.7.0 | 2.36.0 | 5.0.0 | 1.15.5 / 2.8 | 1.7.0 | 1.7.0 |
| 1.6.1 | 2.35.0 | 5.0.0 | 1.15.5 / 2.8 | 1.6.0 | 1.6.0 |
| 1.6.0 | 2.35.0 | 5.0.0 | 1.15.5 / 2.7 | 1.6.0 | 1.6.0 |
| 1.5.0 | 2.34.0 | 5.0.0 | 1.15.2 / 2.7 | 1.5.0 | 1.5.0 |
| 1.4.1 | 2.33.0 | 4.0.1 | 1.15.2 / 2.6 | 1.4.0 | 1.4.0 |
| 1.4.0 | 2.33.0 | 4.0.1 | 1.15.2 / 2.6 | 1.4.0 | 1.4.0 |
| 1.3.0 | 2.31.0 | 2.0.0 | 1.15.2 / 2.6 | 1.2.0 | 1.3.0 |
| 1.2.0 | 2.31.0 | 2.0.0 | 1.15.2 / 2.5 | 1.2.0 | 1.2.0 |
| 1.1.1 | 2.29.0 | 2.0.0 | 1.15.2 / 2.5 | 1.1.0 | 1.1.1 |
| 1.1.0 | 2.29.0 | 2.0.0 | 1.15.2 / 2.5 | 1.1.0 | 1.1.0 |
| 1.0.0 | 2.29.0 | 2.0.0 | 1.15 / 2.5 | 1.0.0 | 1.0.0 |
| 0.30.0 | 2.28.0 | 2.0.0 | 1.15 / 2.4 | 0.30.0 | 0.30.0 |
| 0.29.0 | 2.28.0 | 2.0.0 | 1.15 / 2.4 | 0.29.0 | 0.29.0 |
| 0.28.0 | 2.28.0 | 2.0.0 | 1.15 / 2.4 | 0.28.0 | 0.28.1 |
| 0.27.0 | 2.27.0 | 2.0.0 | 1.15 / 2.4 | 0.27.0 | 0.27.0 |
| 0.26.0 | 2.25.0 | 0.17.0 | 1.15 / 2.3 | 0.26.0 | 0.26.0 |
| 0.25.0 | 2.25.0 | 0.17.0 | 1.15 / 2.3 | 0.25.0 | 0.25.0 |
| 0.24.1 | 2.24.0 | 0.17.0 | 1.15 / 2.3 | 0.24.0 | 0.24.1 |
| 0.24.0 | 2.23.0 | 0.17.0 | 1.15 / 2.3 | 0.24.0 | 0.24.0 |
| 0.23.0 | 2.23.0 | 0.17.0 | 1.15 / 2.3 | 0.23.0 | 0.23.0 |
| 0.22.0 | 2.20.0 | 0.16.0 | 1.15 / 2.2 | 0.22.0 | 0.22.0 |
| 0.21.2 | 2.17.0 | 0.15.0 | 1.15 / 2.1 | 0.21.0 | 0.21.3 |
| 0.21.0 | 2.17.0 | 0.15.0 | 1.15 / 2.1 | 0.21.0 | 0.21.0 |
| 0.15.0 | 2.16.0 | 0.14.0 | 1.15 / 2.0 | 0.15.0 | 0.15.0 |
| 0.14.0 | 2.14.0 | 0.14.0 | 1.14 | 0.14.0 | 不適用 |
| 0.13.0 | 2.11.0 | 不適用 | 1.13 | 0.12.1 | 不適用 |
| 0.12.0 | 2.10.0 | 不適用 | 1.12 | 0.12.0 | 不適用 |
| 0.11.0 | 2.8.0 | 不適用 | 1.11 | 0.9.0 | 不適用 |
| 0.9.0 | 2.6.0 | 不適用 | 1.9 | 0.9.0 | 不適用 |
| 0.8.0 | 2.5.0 | 不適用 | 1.8 | 不適用 | 不適用 |
| 0.6.0 | 2.4.0 | 不適用 | 1.6 | 不適用 | 不適用 |
| 0.5.0 | 2.3.0 | 不適用 | 1.5 | 不適用 | 不適用 |
| 0.4.0 | 2.2.0 | 不適用 | 1.4 | 不適用 | 不適用 |
| 0.3.1 | 2.1.1 | 不適用 | 1.3 | 不適用 | 不適用 |
| 0.3.0 | 2.1.1 | 不適用 | 1.3 | 不適用 | 不適用 |
| 0.1.10 | 2.0.0 | 不適用 | 1.0 | 不適用 | 不適用 |
問題
如有任何關於使用 tf.Transform 的問題，請使用 tensorflow-transform 標籤將問題導向 Stack Overflow。