מדריכים של TensorFlow בהפקה

TFX 1.0

אנו שמחים להכריז על זמינות ה- TFX 1.0.0 . זוהי המהדורה הראשונית לאחר בטא של TFX, המספקת ממשקי API וחפצים ציבוריים יציבים. אתה יכול להיות סמוך ובטוח שצינורות ה-TFX העתידיים שלך ימשיכו לעבוד לאחר שדרוג בטווח התאימות המוגדר ב- RFC זה.

הדרכות לתחילת העבודה

כנראה הצינור הפשוט ביותר שתוכל לבנות, כדי לעזור לך להתחיל. לחץ על הלחצן הפעל ב-Google Colab .
בנייה על הצינור הפשוט להוספת רכיבי אימות נתונים.
בנייה על צינור אימות הנתונים כדי להוסיף רכיב הנדסי תכונה.
בנייה על הצינור הפשוט להוספת רכיב ניתוח מודל.

TFX ב-Google Cloud

Google Cloud מספק מוצרים שונים כמו BigQuery, Vertex AI כדי להפוך את זרימת העבודה של ML שלך לחסכונית וניתנת להרחבה. תלמד כיצד להשתמש במוצרים אלה בצנרת ה-TFX שלך.
הפעלת צינורות בשירות צנרת מנוהל, Vertex Pipelines.
שימוש ב-BigQuery כמקור נתונים של צינורות ML.
שימוש במשאבי ענן לאימון ML והגשה עם Vertex AI.
מבוא לשימוש ב-TFX ו-Cloud AI Platform Pipelines.

השלבים הבאים

לאחר שתהיה לך הבנה בסיסית של TFX, בדוק את המדריכים והמדריכים הנוספים הללו. ואל תשכח לקרוא את המדריך למשתמש של TFX .
מבוא רכיב אחר רכיב ל-TFX, כולל ההקשר האינטראקטיבי , כלי פיתוח שימושי מאוד. לחץ על הלחצן הפעל ב-Google Colab .
מדריך המראה כיצד לפתח רכיבי TFX מותאמים אישית משלך.
מחברת Google Colab זו מדגימה כיצד ניתן להשתמש ב-TensorFlow Data Validation (TFDV) כדי לחקור ולהמחיש מערך נתונים, כולל הפקת נתונים סטטיסטיים תיאוריים, הסקת סכימה ומציאת חריגות.
מחברת זו של Google Colab מדגים כיצד ניתן להשתמש בניתוח מודל TensorFlow (TFMA) כדי לחקור ולהמחיש את המאפיינים של מערך נתונים ולהעריך את הביצועים של מודל לאורך מספר צירים של דיוק.
מדריך זה מדגים כיצד ניתן להשתמש ב- TensorFlow Serving לשרת מודל באמצעות REST API פשוט.

סרטונים ועדכונים

הירשם לרשימת ההשמעה והבלוג של YouTube TFX לקבלת הסרטונים והעדכונים האחרונים.