Tutoriels TensorFlow en production
La meilleure façon d'apprendre TensorFlow Extended (TFX) est d'apprendre en faisant. Ces didacticiels sont des exemples ciblés des éléments clés de TFX. Ils incluent des didacticiels pour débutants pour commencer et des didacticiels plus avancés lorsque vous souhaitez vraiment vous plonger dans des parties plus avancées de TFX.
TFX 1.0
Nous sommes heureux d'annoncer la disponibilité du TFX 1.0.0 . Il s'agit de la première version post-bêta de TFX, qui fournit des API et des artefacts publics stables. Vous pouvez être assuré que vos futurs pipelines TFX continueront de fonctionner après une mise à niveau dans le cadre de la compatibilité définie dans cette RFC .
Tutoriels de démarrage
1. Pipeline de démarrage
Probablement le pipeline le plus simple que vous puissiez créer, pour vous aider à démarrer. Cliquez sur le bouton Exécuter dans Google Colab .2. Ajout de la validation des données
S'appuyer sur le pipeline simple pour ajouter des composants de validation de données.3. Ajout de l'ingénierie des fonctionnalités
S'appuyer sur le pipeline de validation des données pour ajouter un composant d'ingénierie de fonctionnalités.4. Ajout d'une analyse de modèle
S'appuyer sur le pipeline simple pour ajouter un composant d'analyse de modèle.TFX sur Google Cloud
Exécution sur Vertex Pipelines
Exécution de pipelines sur un service de pipeline géré, Vertex Pipelines.Lire les données de BigQuery
Utiliser BigQuery comme source de données des pipelines de ML.Formation et service Vertex AI
Utilisation des ressources cloud pour la formation ML et le service avec Vertex AI.TFX sur les pipelines Cloud AI Platform
Présentation de l'utilisation de TFX et de Cloud AI Platform Pipelines.Étapes suivantes
Tutoriel complet sur le pipeline
Une introduction composant par composant à TFX, y compris le contexte interactif , un outil de développement très utile. Cliquez sur le bouton Exécuter dans Google Colab .Tutoriel sur les composants personnalisés
Un tutoriel montrant comment développer vos propres composants TFX personnalisés.La validation des données
Ce bloc-notes Google Colab montre comment TensorFlow Data Validation (TFDV) peut être utilisé pour étudier et visualiser un ensemble de données, notamment en générant des statistiques descriptives, en déduisant un schéma et en trouvant des anomalies.Analyse du modèle
Ce bloc-notes Google Colab montre comment l'analyse de modèle TensorFlow (TFMA) peut être utilisée pour étudier et visualiser les caractéristiques d'un ensemble de données et évaluer les performances d'un modèle selon plusieurs axes de précision.Servir un modèle
Ce didacticiel montre comment TensorFlow Serving peut être utilisé pour diffuser un modèle à l'aide d'une API REST simple.Vidéos et mises à jour
Abonnez-vous à la liste de lecture et au blog YouTube de TFX pour les dernières vidéos et mises à jour.