本番環境の TensorFlow に関するチュートリアル

TensorFlow Extended(TFX)を学習するには、実際に試してみることが一番です。TFX の主要要素の例に焦点を当てた、初心者向けのチュートリアルから、TFX の高度な機能について詳細を学べる上級者向けのチュートリアルまで用意されています。

TFX 1.0

このたび TFX 1.0.0 がリリースされましたので、ご案内いたします。このリリースでは TFX ベータ版以降の最初のバージョンであり、安定した公開 API とアーティファクトが用意されています。今後、お客様が使用される TFX のパイプラインは、この RFC で定義された互換性の範囲内で、アップグレード後も継続して使用できますのでご安心ください。

チュートリアルのスタートガイド

すぐに開始できる、作成が最も簡単だと思われるパイプラインです。[Google Colab で実行] ボタンをクリックします。
データ検証コンポーネントを追加するための単純なパイプラインでの構築。
特徴量エンジニアリング コンポーネントを追加するためのデータ検証パイプラインでの構築
モデル分析コンポーネントを追加するための単純なパイプラインでの構築

Google Cloud 上の TFX

Google Cloud では、BigQuery、Vertex AI などのさまざまな製品を提供し、費用対効果に優れたスケーラブルな ML ワークフローを作成できるようにします。これらの製品を TFX パイプラインで使用する方法について学びます。
管理されたパイプライン サービスである Cloud AI Platform Pipelines 上でのパイプラインの実行。
ML パイプラインのデータソースとしての BigQuery の使用
クラウド リソースを使用した Vertex AI Training による ML トレーニング。
TFX と Cloud AI Platform Pipelines の使用に関する概要。

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。必ず TFX ユーザーガイドもお読みください。
実用的な開発ツールであるインタラクティブ コンテキストなど、コンポーネントごとの TFX の概要[Google Colab で実行] ボタンをクリックします。
独自のカスタム TFX コンポーネントの開発方法を紹介するチュートリアル。
この Google Colab ノートブックでは、TensorFlow Data Validation(TFDV)を使用してデータセットを調査し可視化する方法について説明しています。具体的には、記述統計の生成、スキーマの推論、異常の検出を行います。
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して可視化し、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について説明しています。
このチュートリアルでは、TensorFlow Serving でシンプルな REST API を使用してモデルを提供する方法を説明します。