Tutoriels sur TensorFlow dans les environnements de production

Pour apprendre à utiliser TensorFlow Extended (TFX), rien ne vaut la pratique ! Ces tutoriels illustrent, à l'aide d'exemples précis, les éléments essentiels de TFX. Vous y trouverez des tutoriels d'initiation à TFX, ainsi que d'autres plus techniques pour découvrir les fonctionnalités plus avancées de TFX.

TFX 1.0

Nous sommes ravis de vous annoncer le lancement de TFX 1.0.0. Cette version initiale post-bêta de TFX fournit des API et des artefacts publics stables. Avec celle-ci, vous avez l'assurance que vos futurs pipelines fonctionneront même après une mise à niveau, conformément à la compatibilité définie dans cette RFC.

Tutoriels de démarrage

Sans doute le pipeline le plus simple que vous puissiez créer, pour vous aider à vous lancer. Cliquez sur le bouton Exécuter dans Google Colab.
Utilisez le pipeline de base pour ajouter des composants de validation des données.
Utilisez le pipeline de validation des données pour ajouter un composant d'extraction de caractéristiques.
Utilisez le pipeline de base pour ajouter un composant d'analyse de modèle.

TFX sur Google Cloud

Google Cloud vous propose divers produits, comme BigQuery et Vertex AI, pour rendre votre workflow de ML économique et évolutif. Vous allez apprendre à utiliser ces produits dans votre pipeline TFX.
Exécutez des pipelines sur un service de pipelines géré, Cloud AI Platform Pipelines.
Utilisez BigQuery comme source de données des pipelines de ML.
Utilisez les ressources cloud pour l'entraînement ML avec l'entraînement Vertex AI.
Introduction à l'utilisation de TFX et de Cloud AI Platform Pipelines.

Étapes suivantes

Dès que vous maîtrisez les bases de TFX, consultez ces autres guides et tutoriels. Et n'oubliez pas de lire le Guide de l'utilisateur de TFX.
Présentation composant par composant de TFX, y compris du contexte interactif, un outil de développement très utile. Cliquez sur le bouton Exécuter dans Google Colab.
Tutoriel expliquant comment développer vos propres composants TFX personnalisés.
Ce notebook Google Colab montre comment utiliser TensorFlow Data Validation (TFDV) pour examiner et visualiser un ensemble de données. Il y est ainsi question de la génération de statistiques descriptives, de l'inférence d'un schéma et de la recherche d'anomalies.
Ce notebook Google Colab explique comment TensorFlow Model Analysis (TFMA) peut être utilisé pour examiner et visualiser les caractéristiques d'un ensemble de données, et évaluer les performances d'un modèle le long de plusieurs axes de justesse.
Ce tutoriel explique comment utiliser TensorFlow Serving pour diffuser un modèle à l'aide d'une API REST simple.