<_comment>Office Open XML Workbook Add-in (macro-enabled)</_comment>
    <glob pattern="*.xlam"/>
    <sub-class-of type="application/x-tika-ooxml"/>
  </mime-type>

  <mime-type type="application/vnd.ms-excel.sheet.macroenabled.12">
    <_comment>Office Open XML Workbook (macro-enabled)</_comment>
    <glob pattern="*.xlsm"/>
    <sub-class-of type="application/x-tika-ooxml"/>
  </mime-type>

        "//tensorflow/core/transforms:__subpackages__",
    ],
    deps = [
        ":c_api_macros_hdrs",
        "@local_xla//xla/tsl/c:tsl_status",
        "@local_xla//xla/tsl/c:tsl_status_internal",
        "@local_xla//xla/tsl/platform:status",
    ] + select({
        "//tensorflow:android": [
            "//tensorflow/core:portable_tensorflow_lib_lite",  # TODO(annarev): exclude runtime srcs

# Triển khai

Triển khai một ứng dụng **FastAPI** khá dễ dàng.

## Triển khai là gì

Triển khai một ứng dụng có nghĩa là thực hiện các bước cần thiết để làm cho nó **sẵn sàng phục vụ người dùng**.

Đối với một **API web**, điều này có nghĩa là đặt nó trong một **máy chủ từ xa**, với một **chương trình máy chủ** cung cấp hiệu suất tốt, ổn định, v.v., để người dùng của bạn có thể truy cập ứng dụng của bạn một cách hiệu quả và không bị gián đoạn hoặc gặp vấn đề.

$ cd awesome-project
```

</div>

## Tạo một Môi trường ảo

Khi bạn bắt đầu làm việc với một dự án Python **trong lần đầu**, hãy tạo một môi trường ảo **<abbr title="có nhiều cách thực hiện khác nhau, đây là một hướng dẫn đơn giản">trong thư mục dự án của bạn</abbr>**.

/// tip

Bạn cần làm điều này **một lần cho mỗi dự án**, không phải mỗi khi bạn làm việc.
///

//// tab | `venv`

  cp tensorflow/core/platform/ctstring.h \
    tensorflow/core/platform/ctstring_internal.h \
    ${LIB_PKG}/include/tensorflow/core/platform
  cp third_party/xla/xla/tsl/c/tsl_status.h ${LIB_PKG}/include/xla/tsl/c
  cp third_party/xla/third_party/tsl/tsl/platform/ctstring.h \
     third_party/xla/third_party/tsl/tsl/platform/ctstring_internal.h \
     ${LIB_PKG}/include/tsl/platform
  cd ${LIB_PKG}

/// note

Bạn cũng có thể cài đặt nó từng phần.

Đây là những gì bạn có thể sẽ làm một lần duy nhất bạn muốn triển khai ứng dụng của bạn lên production:

```
pip install fastapi
```

Cũng cài đặt `uvicorn` để làm việc như một server:

```
pip install "uvicorn[standard]"
```

Và tương tự với từng phụ thuộc tùy chọn mà bạn muốn sử dụng.

///

WIP ML Build Docker container for ML repositories (Tensorflow, JAX and XLA).

This container branches off from
/tensorflow/tools/tf_sig_build_dockerfiles/. However, since
hermetic CUDA and hermetic Python is now available for Tensorflow, a lot of the
requirements installed on the original container can be removed to reduce the
footprint of the container and make it more reusable across different ML

        [],
        otherwise = [
            "@local_xla//xla/stream_executor/cuda:all_runtime",
            "@local_xla//xla/stream_executor/cuda:cuda_platform",
            "@local_xla//xla/stream_executor/cuda:cudnn_plugin",
            "@local_xla//xla/stream_executor/cuda:cufft_plugin",
            "@local_xla//xla/stream_executor:cuda_platform",
        ],
    ),
    deps = if_cuda([

### Chỉ cần phiên bản Python hiện đại

Tất cả được dựa trên khai báo kiểu dữ liệu chuẩn của **Python 3.8** (cảm ơn Pydantic). Bạn không cần học cú pháp mới, chỉ cần biết chuẩn Python hiện đại.

Nếu bạn cần 2 phút để làm mới lại cách sử dụng các kiểu dữ liệu mới của Python (thậm chí nếu bạn không sử dụng FastAPI), xem hướng dẫn ngắn: [Kiểu dữ liệu Python](python-types.md){.internal-link target=_blank}.

Bạn viết chuẩn Python với kiểu dữ liệu như sau:

Bạn có thể thử các dịch vụ của họ và làm theo hướng dẫn của họ: