TensorFlow nei tutorial di produzione

Il modo migliore per imparare TensorFlow Extended (TFX) è imparare facendo. Questi tutorial sono esempi mirati delle parti chiave di TFX. Includono tutorial per principianti per iniziare e tutorial più avanzati per quando vuoi davvero immergerti in parti più avanzate di TFX.

TFX 1.0

Siamo lieti di annunciare la disponibilità del TFX 1.0.0 . Questa è la versione post-beta iniziale di TFX, che fornisce API e artefatti pubblici stabili. Si può essere certi che il vostro futuro condutture TFX potranno continuare a lavorare dopo un aggiornamento nell'ambito di applicazione compatibilità definito in questo RFC .

Tutorial per iniziare

Probabilmente la pipeline più semplice che puoi costruire, per aiutarti a iniziare. Fare clic sul pulsante Google Esegui nel Colab.
Basandosi sulla semplice pipeline per aggiungere componenti di convalida dei dati.
Basandosi sulla pipeline di convalida dei dati per aggiungere un componente di progettazione delle funzionalità.
Basandosi sulla semplice pipeline per aggiungere un componente di analisi del modello.

TFX su Google Cloud

Google Cloud offre vari prodotti come BigQuery, Vertex AI per rendere il tuo flusso di lavoro ML conveniente e scalabile. Imparerai come utilizzare questi prodotti nella tua pipeline TFX.
Esecuzione di pipeline su un servizio di pipeline gestito, Vertex Pipelines.
Utilizzo di BigQuery come origine dati di pipeline ML.
Utilizzo delle risorse cloud per la formazione e il servizio di machine learning con Vertex AI.
Un'introduzione all'utilizzo di TFX e di Cloud AI Platform Pipelines.

Passaggi successivi

Una volta acquisita una conoscenza di base di TFX, controlla questi tutorial e guide aggiuntivi. E non dimenticate di leggere la TFX Guida dell'utente .
Un'introduzione componente per componente TFX, compreso il contesto interattivo, uno strumento di sviluppo molto utile. Fare clic sul pulsante Google Esegui nel Colab.
Un tutorial che mostra come sviluppare i tuoi componenti TFX personalizzati.
Questo blocco note di Google Colab dimostra come utilizzare TensorFlow Data Validation (TFDV) per indagare e visualizzare un set di dati, inclusa la generazione di statistiche descrittive, l'inferenza di uno schema e la ricerca di anomalie.
Questo blocco note di Google Colab dimostra come utilizzare TensorFlow Model Analysis (TFMA) per analizzare e visualizzare le caratteristiche di un set di dati e valutare le prestazioni di un modello lungo diversi assi di precisione.
Questo tutorial dimostra come utilizzare TensorFlow Serving per servire un modello utilizzando una semplice API REST.

Video e aggiornamenti

Iscriviti al TFX YouTube Playlist e blog per gli ultimi video e aggiornamenti.

Vertice degli sviluppatori di TF 2020
Guarda il video
TF Mondo 2019
Guarda il video
GOTO Copenaghen 2019
Guarda il video