TensorFlow בהדרכות ייצור

מדריכים אלה יעזרו לך להתחיל, ויעזרו לך ללמוד כמה דרכים שונות לעבוד עם TFX עבור זרימות עבודה ופריסות ייצור. בפרט, תלמד את שני הסגנונות העיקריים של פיתוח צינור TFX:

  • שימוש ב- InteractiveContext לפיתוח צינור במחברת, עבודה עם רכיב אחד בכל פעם. סגנון זה הופך את הפיתוח לקל ופיתוני יותר.
  • הגדרת צינור שלם וביצועו עם רץ. כך ייראו הצינורות שלך כשתפרוס אותם.

הדרכות לתחילת העבודה

כנראה הצינור הפשוט ביותר שאתה יכול לבנות, כדי לעזור לך להתחיל. לחץ על הלחצן הפעל ב-Google Colab .
מבוסס על הצינור הפשוט להוספת רכיבי אימות נתונים.
בנייה על צינור אימות הנתונים כדי להוסיף רכיב הנדסת תכונה.
בהתבסס על הצינור הפשוט להוספת רכיב ניתוח מודל.

TFX ב-Google Cloud

Google Cloud מספק מוצרים שונים כמו BigQuery, Vertex AI כדי להפוך את זרימת העבודה של ML שלך לחסכונית וניתנת להרחבה. תלמד כיצד להשתמש במוצרים אלה בצנרת ה-TFX שלך.
הפעלת צינורות על שירות צינורות מנוהל, Vertex Pipelines.
באמצעות BigQuery כמקור נתונים של צינורות ML.
שימוש במשאבי ענן לאימון ML והגשה עם Vertex AI.
מבוא לשימוש ב-TFX ו-Cloud AI Platform Pipelines.

השלבים הבאים

לאחר שתהיה לך הבנה בסיסית של TFX, בדוק את המדריכים והמדריכים הנוספים הללו. ואל תשכח לקרוא את המדריך למשתמש של TFX .
מבוא רכיב אחר רכיב ל-TFX, כולל ההקשר האינטראקטיבי , כלי פיתוח שימושי מאוד. לחץ על הלחצן הפעל ב-Google Colab .
מדריך המראה כיצד לפתח רכיבי TFX מותאמים אישית משלך.
מחברת זו של Google Colab מדגים כיצד ניתן להשתמש באימות נתונים של TensorFlow (TFDV) כדי לחקור ולהמחיש מערך נתונים, כולל הפקת נתונים סטטיסטיים תיאוריים, הסקת סכימה ומציאת חריגות.
מחברת זו של Google Colab מדגים כיצד ניתן להשתמש בניתוח מודל TensorFlow (TFMA) כדי לחקור ולהמחיש את המאפיינים של מערך נתונים ולהעריך את הביצועים של מודל לאורך מספר צירים של דיוק.
מדריך זה מדגים כיצד ניתן להשתמש ב- TensorFlow Serving לשרת מודל באמצעות REST API פשוט.

סרטונים ועדכונים

הירשם לרשימת ההשמעה והבלוג של YouTube TFX לקבלת הסרטונים והעדכונים האחרונים.