コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。

TensorFlow in Production チュートリアル

TensorFlow Extended (TFX) を学習する最善の方法は、実践して学習することです。これらのチュートリアルは、TFX の主要部分に焦点を当てた例です。これらには、開始するための初心者用チュートリアルと、TFX のより高度な部分に飛び込みたい場合のためのより高度なチュートリアルが含まれています。

TFX 1.0

TFX 1.0.0が利用可能になったことをお知らせします。これは、安定した公開 API とアーティファクトを提供する TFX の最初のベータ版後のリリースです。将来の TFX パイプラインは、このRFCで定義された互換性の範囲内でアップグレードした後も動作し続けることが保証されます。

入門チュートリアル

おそらく、作成できる最も単純なパイプラインであり、開始するのに役立ちます。 [ Google Colab で実行] ボタンをクリックします。
シンプルなパイプラインに基づいて構築し、データ検証コンポーネントを追加します。
データ検証パイプラインに基づいて構築し、機能エンジニアリング コンポーネントを追加します。
シンプルなパイプラインに基づいて構築し、モデル分析コンポーネントを追加します。

Google Cloud 上の TFX

Google Cloud は、BigQuery、Vertex AI などのさまざまなプロダクトを提供して、ML ワークフローの費用対効果とスケーラビリティを高めます。これらの製品を TFX パイプラインで使用する方法を学習します。
マネージド パイプライン サービスである Vertex Pipelines でパイプラインを実行します。
BigQuery を ML パイプラインのデータソースとして使用する。
ML トレーニングにクラウド リソースを使用し、Vertex AI でサービスを提供する。
TFX と Cloud AI Platform Pipelines の使用の概要。

次のステップ

TFX の基本を理解したら、これらの追加のチュートリアルとガイドを確認してください。また、 TFX ユーザー ガイドを読むことを忘れないでください。
非常に便利な開発ツールである対話型コンテキストを含む、コンポーネントごとの TFX の紹介。 [ Google Colab で実行] ボタンをクリックします。
独自のカスタム TFX コンポーネントを開発する方法を示すチュートリアル。
この Google Colab ノートブックは、TensorFlow Data Validation (TFDV) を使用して、記述統計の生成、スキーマの推測、異常の検出など、データセットを調査および視覚化する方法を示しています。
この Google Colab ノートブックでは、TensorFlow Model Analysis (TFMA) を使用して、データセットの特性を調査および視覚化し、複数の精度軸に沿ってモデルのパフォーマンスを評価する方法を示しています。
このチュートリアルでは、TensorFlow Serving を使用して、単純な REST API を使用してモデルを提供する方法を示します。

ビデオとアップデート

TFX YouTube プレイリストブログを購読して、最新のビデオとアップデートを入手してください。