프로덕션의 TensorFlow 가이드

TFX(TensorFlow Extended)를 학습하는 가장 좋은 방법은 직접 해 보는 것입니다. 이 튜토리얼은 TFX의 중요 부분에 초점을 맞춘 예시를 제공합니다. 시작을 돕는 초보자용 튜토리얼뿐만 아니라 TFX의 고급 기능을 자세히 알아보려는 사용자를 위한 고급 튜토리얼도 포함되어 있습니다.

TFX 1.0

이제 TFX 1.0.0을 사용할 수 있습니다. 이는 TFX 베타 버전 이후의 초기 버전이며 안정적인 공개 API 및 아티팩트를 제공합니다. 향후 TFX 파이프라인은 이 RFC에 정의된 호환성 범위 내에서 업그레이드된 후에도 계속 작동합니다.

시작하기 튜토리얼

빌드할 수 있는 가장 간단한 파이프라인 중 하나로 시작하는 데 도움이 됩니다. Google Colab에서 실행 버튼을 클릭합니다.
간단한 파이프라인을 빌드하여 데이터 검사 구성요소를 추가합니다.
데이터 검사 파이프라인을 빌드하여 특성 추출 구성요소를 추가합니다.
간단한 파이프라인을 빌드하여 모델 분석 구성요소를 추가합니다.

Google Cloud에서 TFX 실행

Google Cloud는 BigQuery, Vertex AI와 같은 다양한 제품을 제공하여 ML 워크플로를 효율적이고 확장 가능하도록 만듭니다. TFX 파이프라인에서 이러한 제품을 사용하는 방법을 알아봅니다.
관리형 파이프라인 서비스인 Cloud AI Platform 파이프라인에서 파이프라인을 실행합니다.
ML 파이프라인의 데이터 소스로 BigQuery를 사용합니다.
Vertex AI 학습과 함께 ML 학습용 클라우드 리소스를 사용합니다.
TFX 및 Cloud AI Platform 파이프라인의 사용 방법을 소개합니다.

다음 단계

TFX에 관해 기본적인 지식을 갖춘 후에는 다음과 같은 추가 튜토리얼과 가이드를 확인하세요. TFX 사용자 가이드도 읽어 보세요.
매우 유용한 개발 도구인 대화형 컨텍스트를 비롯하여 TFX를 구성요소별로 소개합니다. Google Colab에서 실행 버튼을 클릭합니다.
자체 맞춤 TFX 구성요소를 개발하는 방법을 보여주는 튜토리얼입니다.
이 Google Colab 메모장은 TFDV(TensorFlow Data Validation)를 사용하여 데이터 세트의 특성을 조사하고 시각화할 수 있는 방법을 보여 줍니다. 여기에는 자세한 통계를 생성하고, 스키마를 추론하고, 이상치를 검색하는 작업이 포함됩니다.
이 Google Colab 메모장은 TFMA(TensorFlow Model Analysis)를 사용하여 데이터 세트의 특성을 조사하고 시각화하여 다수의 정확성 축을 따라 모델의 성능을 평가할 수 있는 방법을 보여 줍니다.
이 튜토리얼에서는 TensorFlow Serving을 사용하여 간단한 REST API를 통해 모델을 제공할 수 있는 방법을 보여 줍니다.