TensorFlow Extended(TFX)는 프로덕션 ML 파이프라인을 배포하기 위한 엔드 투 엔드 플랫폼입니다

연구에서 프로덕션으로 모델을 이동할 준비가 되면 TFX를 사용하여 프로덕션 파이프라인을 만들고 관리하세요.

Run Colab

This interactive tutorial walks through each built-in component of TFX.

가이드 보기

가이드에서는 완벽한 엔드 투 엔드 예제와 함께 TFX를 사용하는 방법을 보여줍니다.

가이드 보기

가이드는 TFX의 개념과 구성요소에 관해 설명합니다.

이용 방법

단일 모델 학습보다 더 나아갈 준비가 되었거나 직접 만든 뛰어난 모델을 프로덕션 환경으로 이전하여 활용할 준비가 된 경우, TFX를 사용하여 전체 ML 파이프라인을 구축할 수 있습니다.

TFX 파이프라인은 확장 가능한 고성능 머신러닝 작업에 맞게 특별히 설계된 ML 파이프라인을 구현하는 일련의 구성요소입니다. 여기에는 모델링, 학습, 추론 제공, 온라인, 네이티브 모바일 및 자바스크립트 타겟용 배포 관리가 포함됩니다. 자세히 알아보려면 TFX 사용자 가이드를 읽어보세요.

파이프라인 구성요소는 개별적으로도 사용 가능한 TFX 라이브러리를 사용하여 빌드됩니다. 다음은 이러한 기본 라이브러리의 개요입니다.

TensorFlow Data Validation

TensorFlow Data Validation(TFDV)은 개발자가 대규모 ML 데이터를 이해, 검증, 모니터링하도록 도와줍니다. TFDV는 매일 Google에서 1페타바이트의 데이터를 분석 및 확인하는 데 사용되며, TFX 사용자가 ML 파이프라인의 상태를 유지하도록 지원하는 데에서도 그 효과가 입증되었습니다.

TensorFlow Transform

실제 데이터세트에 머신러닝을 적용할 경우 데이터를 적절한 형식으로 전처리하는 데 많은 노력이 필요합니다. 여기에는 형식 간 변환, 텍스트 토큰화와 형태소 분석, 어휘 형성, 정규화와 같은 다양한 수치 연산 등이 포함됩니다. 이 모든 것을 tf.Transform으로 할 수 있습니다.

TensorFlow Model Analysis

개발자는 TensorFlow Model Analysis(TFMA)를 사용하여 모델의 평가 측정항목을 계산하고 시각화할 수 있습니다. 머신러닝(ML) 개발자는 ML 모델을 배포하기 전에 모델 성능을 평가하여, 특정 품질 임계값을 충족하는지와 모든 관련 데이터 슬라이스에 예상대로 작동하는지를 확인해야 합니다. 예를 들어, 모델이 전체 평가 데이터세트에 관해서는 허용 가능한 AUC를 보이지만 특정 슬라이스에서는 성능이 떨어질 수 있습니다. TFMA는 개발자에게 모델 성능을 깊이 이해하는 데 도움이 되는 도구를 제공합니다.

TensorFlow Serving

머신러닝(ML) 서비스 시스템은 (롤백 옵션이 있는 모델 업데이트용) 모델 버전 관리 및 여러 (A/B 테스팅을 통한 실험용) 모델을 지원하는 한편, 동시 모델이 지연 시간이 짧은 하드웨어 가속기(GPU 및 TPU)에서 높은 처리량을 달성하도록 보장해야 합니다. TensorFlow Serving은 Google에서 초당 수천만 번의 추론을 처리하는 성능이 입증되었습니다.

일반적인 문제 해결책

프로젝트에 도움이 되는 단계별 가이드를 탐색하세요.

중형
TensorFlow Serving으로 TensorFlow 모델을 학습시키고 제공하기

이 가이드는 운동화 및 셔츠와 같은 의류 이미지를 분류하는 신경망 모델을 학습시키고, 학습된 모델을 저장한 다음, TensorFlow Serving을 사용하여 서빙합니다. TensorFlow를 사용한 모델링 및 학습보다는 TensorFlow Serving에 중점을 둡니다.

중형
Google Cloud에 호스팅된 TFX 파이프라인 만들기

Google Cloud에서 나만의 머신러닝 파이프라인을 제작할 수 있도록 도와주는 TensorFlow Extended(TFX) 및 Cloud AI Platform 파이프라인을 소개합니다. 일반적인 ML 개발 과정을 따라 개발해 보세요. 데이터세트 검사부터 시작해 제대로 작동하는 파이프라인을 완성할 수 있습니다.

중형
TensorFlow Lite로 기기 내 추론에 TFX 사용

TensorFlow Extended(TFX)를 사용해 기기에 배포될 머신러닝 모델을 개발하고 평가하는 방법을 알아보세요. 이제 TFX에서 기본적으로 TFLite를 지원하므로 휴대기기에서도 매우 효율적인 추론을 실행할 수 있습니다.

기업에서 TFX를 활용하는 방법

뉴스 및 공지 사항

더 많은 TFX 콘텐츠는 블로그YouTube 재생목록을 확인하세요.
월간 TensorFlow 뉴스레터를 구독하면 최신 공지사항을
받은편지함에서 바로 받아 볼 수 있습니다.

June 8, 2020 
Fast, scalable and accurate NLP: Why TFX is a perfect match for deploying BERT

Learn how SAP’s Concur Labs simplified the deployment of BERT models through TensorFlow libraries and extensions in this two-part blog.

2020년 3월 11일 
Cloud AI Platform 파이프라인 소개

기업에서 즉시 사용할 수 있고, 간편한 설치가 가능하며, ML 워크플로를 실행하기 위한 안전한 환경을 제공하는 Cloud AI Platform 파이프라인의 베타 버전이 출시되었습니다.

2020년 3월 11일 
TFX: 2020년 TensorFlow를 통한 프로덕션 ML(TF Dev Summit 2020)

Google 프로덕션 ML 플랫폼인 TFX가 2020년에 어떻게 바뀌는지 알아보세요. Airbus의 흥미로운 TFX 사용 사례를 확인하세요.

Continue
2020년 3월 9일
TFX의 기본 Keras

TensorFlow 2.0 출시를 통해 여러 가지 새로운 기능 및 개선사항이 도입되었습니다. 또한 Keras와도 긴밀하게 통합되었습니다. TFX 구성요소가 기본 Keras를 어떻게 지원하는지 확인하세요.