Bergabunglah dengan komunitas SIG TFX-Addons dan bantu menjadikan TFX lebih baik!

TensorFlow dalam tutorial Produksi

Cara terbaik untuk mempelajari TensorFlow Extended (TFX) adalah belajar sambil melakukan. Tutorial ini adalah contoh fokus dari bagian-bagian penting TFX. Mereka termasuk tutorial pemula untuk memulai, dan tutorial lebih lanjut ketika Anda benar-benar ingin menyelami bagian TFX yang lebih maju.

TFX 1.0

Kami dengan senang hati mengumumkan ketersediaan TFX 1.0.0 Release Candidate . Ini adalah rilis pasca-beta awal TFX, yang menyediakan API dan artefak publik yang stabil. Anda dapat yakin bahwa saluran pipa TFX Anda di masa mendatang akan tetap berfungsi setelah peningkatan dalam cakupan kompatibilitas yang ditentukan dalam RFC ini.

Memulai tutorial

Mungkin saluran pipa paling sederhana yang dapat Anda buat, untuk membantu Anda memulai. Klik tombol Jalankan di Google Colab .
Membangun pipeline sederhana untuk menambahkan komponen validasi data.
Membangun pipeline validasi data untuk menambahkan komponen rekayasa fitur.
Membangun pipeline sederhana untuk menambahkan komponen analisis model.

TFX di Google Cloud

Google Cloud menyediakan berbagai produk seperti BigQuery, Vertex AI untuk membuat alur kerja ML Anda hemat biaya dan dapat diskalakan. Anda akan mempelajari cara menggunakan produk tersebut di pipeline TFX Anda.
Menjalankan pipeline pada layanan pipeline terkelola, Cloud AI Platform Pipelines.
Menggunakan BigQuery sebagai sumber data pipeline ML.
Menggunakan sumber daya cloud untuk pelatihan ML dengan Pelatihan AI Vertex.
Pengantar tentang penggunaan TFX dan Cloud AI Platform Pipelines.

Langkah selanjutnya

Setelah Anda memiliki pemahaman dasar tentang TFX, periksa tutorial dan panduan tambahan ini. Dan jangan lupa untuk membaca Panduan Pengguna TFX .
Pengenalan TFX komponen demi komponen, termasuk konteks interaktif , alat pengembangan yang sangat berguna. Klik tombol Jalankan di Google Colab .
Tutorial yang menunjukkan cara mengembangkan komponen TFX kustom Anda sendiri.
Notebook Google Colab ini menunjukkan bagaimana TensorFlow Data Validation (TFDV) dapat digunakan untuk menyelidiki dan memvisualisasikan kumpulan data, termasuk membuat statistik deskriptif, menyimpulkan skema, dan menemukan anomali.
Notebook Google Colab ini menunjukkan bagaimana TensorFlow Model Analysis (TFMA) dapat digunakan untuk menyelidiki dan memvisualisasikan karakteristik kumpulan data dan mengevaluasi kinerja model di beberapa sumbu akurasi.
Tutorial ini menunjukkan bagaimana TensorFlow Serving dapat digunakan untuk menyajikan model menggunakan REST API sederhana.