Присоединяйтесь к сообществу SIG TFX-Addons и помогите сделать TFX еще лучше!
Эта страница переведена с помощью Cloud Translation API.
Switch to English

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.

Запускаем Colab

В этом интерактивном руководстве рассматривается каждый встроенный компонент TFX.

См. Учебные пособия

Учебники покажут вам, как использовать TFX, с полными сквозными примерами.

См. Руководство

Руководства объясняют концепции и компоненты TFX.

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.

Средний
Обучайте и обслуживайте модель TensorFlow с помощью TensorFlow Serving

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.

Средний
Создавайте конвейеры TFX, размещенные в Google Cloud

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.

Средний
Используйте TFX с TensorFlow Lite для вывода на устройстве

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.

Новости и анонсы

Посетите наш блог и плейлист на YouTube, чтобы узнать о дополнительном контенте TFX
и подпишитесь на нашу ежемесячную новостную рассылку TensorFlow, чтобы получать
последние объявления отправляются прямо на ваш почтовый ящик.

15 февраля 2021 г.  
Как OpenX обучает и обслуживает миллион запросов в секунду менее чем за 15 миллисекунд

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.

8 января 2021 г.  
Метаданные ML: Контроль версий для ML

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.

3 декабря 2020 г.  
Разработка машинного обучения для производственных развертываний машинного обучения с помощью TFX

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.

Продолжить
9 октября 2020 г.  
Нейронно-структурированное обучение в 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.