Учебные пособия по TensorFlow в производственной среде
Лучший способ изучить TensorFlow Extended (TFX) - это учиться на практике. Эти руководства представляют собой конкретные примеры ключевых частей TFX. Они включают в себя учебные пособия для начинающих, чтобы начать работу, и более продвинутые учебные пособия, когда вы действительно хотите погрузиться в более сложные части TFX.
TFX 1.0
Мы рады сообщить о выпуске TFX 1.0.0 . Это первый пост-бета-выпуск TFX, который предоставляет стабильные общедоступные API и артефакты. Вы можете быть уверены , что ваши будущие TFX трубопроводы будут продолжать работать после обновления в рамках совместимости , определенных в настоящем документе RFC .
Учебники по началу работы
1. Стартовый трубопровод
Вероятно, самый простой конвейер, который вы можете построить, чтобы помочь вам начать работу. Нажмите Выполнить в кнопке Google Colab.2. Добавление проверки данных
Использование простого конвейера для добавления компонентов проверки данных.3. Добавление функциональной инженерии
Использование конвейера проверки данных для добавления компонента разработки функций.4. Добавление анализа модели
Использование простого конвейера для добавления компонента анализа модели.TFX в Google Cloud
Запуск на вершинных конвейерах
Запуск конвейеров в управляемой конвейерной службе, Vertex Pipelines.Чтение данных из BigQuery
Использование BigQuery в качестве источника данных для конвейеров машинного обучения.Обучение и обслуживание Vertex AI
Использование облачных ресурсов для обучения машинному обучению и обслуживания с Vertex AI.TFX on Cloud конвейеры платформы AI
Введение в использование TFX и Cloud AI Platform Pipelines.Следующие шаги
Полное руководство по конвейеру
Компонент-на-компонентная введение в TFX, в том числе в интерактивном контексте, очень полезный инструмент развития. Нажмите Выполнить в кнопке Google Colab.Учебное пособие по пользовательским компонентам
Учебное пособие, показывающее, как разрабатывать собственные пользовательские компоненты TFX.Проверка данных
Этот блокнот Google Colab демонстрирует, как TensorFlow Data Validation (TFDV) может использоваться для исследования и визуализации набора данных, включая создание описательной статистики, определение схемы и обнаружение аномалий.Анализ модели
Этот блокнот Google Colab демонстрирует, как TensorFlow Model Analysis (TFMA) можно использовать для исследования и визуализации характеристик набора данных и оценки производительности модели по нескольким осям точности.Подать модель
В этом руководстве показано, как TensorFlow Serving можно использовать для обслуживания модели с помощью простого REST API.Видео и обновления
Подписаться на TFX YouTube Playlist и блог для последних видео и обновлений.