TensorFlow Extended (TFX) - это комплексная платформа для развертывания производственных конвейеров машинного обучения.
Когда вы будете готовы перенести свои модели из исследований в производство, используйте TFX для создания и управления производственным конвейером.
Как это работает
Конвейер TFX - это последовательность компонентов, реализующих конвейер машинного обучения, специально разработанный для масштабируемых высокопроизводительных задач машинного обучения. Компоненты создаются с использованием библиотек TFX, которые также можно использовать по отдельности.
Как компании используют TFX
Решения общих проблем
Изучите пошаговые руководства, которые помогут вам в ваших проектах.
Это руководство обучает модель нейронной сети классифицировать изображения одежды, например кроссовок и рубашек, сохраняет обученную модель, а затем обслуживает ее с помощью TensorFlow Serving. Основное внимание уделяется обслуживанию TensorFlow, а не моделированию и обучению в TensorFlow.
Введение в TensorFlow Extended (TFX) и Cloud AI Platform Pipelines для создания собственных конвейеров машинного обучения в Google Cloud. Следуйте типичному процессу разработки машинного обучения, начиная с изучения набора данных и заканчивая полным рабочим конвейером.
Узнайте, как TensorFlow Extended (TFX) может создавать и оценивать модели машинного обучения, которые будут развернуты на устройстве. TFX теперь обеспечивает встроенную поддержку TFLite, что позволяет выполнять высокоэффективный логический вывод на мобильных устройствах.
OpenX использовала несколько продуктов в экосистеме TensorFlow и Google Cloud, в том числе TF Serving и Kubeflow Pipelines, для создания сервиса, который определяет приоритеты трафика для сторонних платформ спроса в сфере рекламных технологий.
Сложность кода машинного обучения и таких артефактов, как модели, наборы данных и многое другое, требует контроля версий. Вот почему мы создали метаданные машинного обучения (MLMD), библиотеку для отслеживания всей линии всего вашего рабочего процесса машинного обучения.
В этом обновлении мы рассмотрим основы TFX и расскажем о новинках этого года, чтобы помочь вам начать работу. Мы также покажем вам, как собрать производственную конвейерную систему с TFX.
Нейронно-структурированное обучение можно использовать для обучения нейронных сетей со структурированными сигналами. Узнайте, как построить регуляризованную модель графа с NSL в TFX, используя настраиваемые компоненты, и попробуйте сами в интерактивном Colab.