Treten Sie der SIG TFX-Addons-Community bei und helfen Sie, TFX noch besser zu machen!

TensorFlow in Production-Tutorials

Der beste Weg, um TensorFlow Extended (TFX) zu erlernen, besteht darin, durch Lernen zu lernen. Diese Tutorials sind fokussierte Beispiele für die wichtigsten Teile von TFX. Sie umfassen Anfänger-Tutorials für den Einstieg und fortgeschrittene Tutorials, wenn Sie wirklich in fortgeschrittene Teile von TFX eintauchen möchten.

TFX 1.0

Wir freuen uns , die Verfügbarkeit des ankündigen TFX 1.0.0 . Dies ist die erste Post-Beta-Version von TFX, die stabile öffentliche APIs und Artefakte bereitstellt. Sie können sicher sein , dass Ihre Zukunft TFX - Pipelines in der Kompatibilität Umfang nach einer Aktualisierung arbeiten halten in diesem definierten RFC .

Erste-Schritte-Tutorials

Wahrscheinlich die einfachste Pipeline, die Sie erstellen können, um Ihnen den Einstieg zu erleichtern. Klicken Sie auf den Run in Google Colab Taste.
Aufbauend auf der einfachen Pipeline zum Hinzufügen von Datenvalidierungskomponenten.
Aufbauend auf der Datenvalidierungspipeline, um eine Feature-Engineering-Komponente hinzuzufügen.
Aufbauend auf der einfachen Pipeline, um eine Modellanalysekomponente hinzuzufügen.

TFX in Google Cloud

Google Cloud bietet verschiedene Produkte wie BigQuery und Vertex AI, um Ihren ML-Workflow kostengünstig und skalierbar zu gestalten. Sie erfahren, wie Sie diese Produkte in Ihrer TFX-Pipeline verwenden.
Ausführen von Pipelines in einem verwalteten Pipelinedienst, Cloud AI Platform Pipelines.
BigQuery als Datenquelle für ML-Pipelines verwenden.
Verwenden von Cloud-Ressourcen für ML-Training mit Vertex AI Training.
Eine Einführung in die Verwendung von TFX und Cloud AI Platform Pipelines.

Nächste Schritte

Sobald Sie ein grundlegendes Verständnis von TFX haben, lesen Sie diese zusätzlichen Tutorials und Anleitungen. Und vergessen Sie nicht , die lesen TFX - Benutzerhandbuch .
Eine Komponente-by-Komponenten Einführung in TFX, einschließlich dem interaktiven Kontext, ein sehr nützlichen Entwicklungswerkzeuges. Klicken Sie auf den Run in Google Colab Taste.
Ein Tutorial, das zeigt, wie Sie Ihre eigenen benutzerdefinierten TFX-Komponenten entwickeln.
Dieses Google Colab-Notebook zeigt, wie TensorFlow Data Validation (TFDV) verwendet werden kann, um einen Datensatz zu untersuchen und zu visualisieren.
Dieses Google Colab-Notebook zeigt, wie die TensorFlow-Modellanalyse (TFMA) verwendet werden kann, um die Eigenschaften eines Datensatzes zu untersuchen und zu visualisieren und die Leistung eines Modells entlang mehrerer Genauigkeitsachsen zu bewerten.
Dieses Tutorial zeigt, wie TensorFlow Serving verwendet werden kann, um ein Modell mit einer einfachen REST-API bereitzustellen.