Remove unnecessary Python 2 __future__ imports across 52+ files
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 2/5
- Tempo stimato
- Mezza giornata
- Idoneità per principianti
- 62/100
- Tipo di issue
- Refactoring
- Chiarezza
- Specificata chiaramente
- Stato di attività
- Ferma
- Stack tecnologico
- python
- Ambito
- machine-learning
Direzione di ricerca
Esegui grep -rn "from __future__ import" models/official/ per elencare ogni occorrenza; la issue indica come punti di partenza efficientnet, detection, amoeba_net, resnet, densenet e mnist. Rimuovi le righe absolute_import, division e print_function, quindi verifica che ogni file modificato venga ancora importato correttamente e che i suoi test esistenti vengano eseguiti. È completato quando il grep non restituisce nulla e nessun file cambia comportamento. Conferma prima l'ambito con un maintainer, perché la issue non ha risposte.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
Description
Over 52 files in models/official/ still contain Python 2 compatibility imports:
from __future__ import absolute_import
from __future__ import division
from __future__ import print_function
These have been unnecessary since Python 3.0 (2008) and are pure dead code.
Affected areas
models/official/efficientnet/(multiple files)models/official/detection/(multiple files)models/official/amoeba_net/(multiple files)models/official/resnet/models/official/densenet/models/official/mnist/- And others across
models/official/
Impact
- Adds visual noise to every file
- Signals to users that the codebase may still target Python 2, causing confusion
- Inconsistent — some files have them, others don't
Suggested Fix
Remove all from __future__ import statements across the codebase since Python 2 is long past end-of-life (Jan 2020).
- Lingua principale
- Jupyter Notebook
- Stelle
- 5.3k
- Fork
- 1.7k
- Metriche di merge delle PR
- Nessuna PR unita negli ultimi 30g
Preparare l'ambiente
Questo progetto non fornisce container di sviluppo, Dockerfile né guida per i contributori, quindi l'ambiente è a tuo carico: parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di tensorflow/tpu
-
imagenet_to_gcs.pyAperta
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 78/100
tensorflow/tpu#951 · 2 reazioni ·
-
Broken linkAperta
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 70/100
tensorflow/tpu#908 ·
-
Bug in imagenet_to_gcs.pyAperta
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 62/100
tensorflow/tpu#889 · 1 commento · 1 reazione ·
-
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 78/100
tensorflow/tpu#582 · 1 commento ·
-
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 78/100
tensorflow/tpu#435 · 1 reazione ·
Tutte le issue di tensorflow/tpu
Issue simili
-
needs-triage
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 88/100
flashinfer-ai/flashinfer#9803 ·
I maintainer di solito rispondono entro 1 giorno
-
bug module: rl
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
NVIDIA/Megatron-LM#9644 ·
I maintainer di solito rispondono entro 2 giorni
-
`build_flavor_config_from_local_checkpoint` fails with transformers 5.23.0: pipeline `impl` is now a dotted-path stringForse già presa @mlflow-app l’ha presa oggi. Apertahas-closing-pr nightly triage: reproduced
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
mlflow/mlflow#28000 · 2 commenti ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 76/100
X-PLUG/MobileAgent#304 ·
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
FluxML/Optimisers.jl#254 ·