Dołącz do społeczności SIG TFX-Addons i pomóż ulepszyć TFX!
Ta strona została przetłumaczona przez Cloud Translation API.
Switch to English

TensorFlow w samouczkach produkcyjnych

Najlepszym sposobem nauki TensorFlow Extended (TFX) jest nauka przez działanie. Te samouczki są skupionymi przykładami kluczowych części TFX. Obejmują one samouczki dla początkujących, aby rozpocząć, oraz bardziej zaawansowane samouczki, jeśli naprawdę chcesz zagłębić się w bardziej zaawansowane części TFX.

Samouczki dla początkujących

Prawdopodobnie najprostszy potok, jaki możesz zbudować, aby pomóc Ci zacząć. Kliknij przycisk Uruchom w Google Colab .
Opierając się na prostym potoku w celu dodania składników walidacji danych.
Opierając się na potoku walidacji danych, aby dodać komponent inżynierii funkcji.
Opierając się na prostym potoku, aby dodać komponent analizy modelu.

Następne kroki

Gdy masz już podstawową wiedzę na temat TFX, zapoznaj się z dodatkowymi samouczkami i przewodnikami. I nie zapomnij przeczytać podręcznika użytkownika TFX .
Wprowadzenie do TFX krok po kroku, w tym kontekst interaktywny , bardzo przydatne narzędzie programistyczne. Kliknij przycisk Uruchom w Google Colab .
Samouczek pokazujący, jak tworzyć własne niestandardowe komponenty TFX.
Wprowadzenie do korzystania z TFX i Cloud AI Platform Pipelines, które pomoże Ci nauczyć się tworzyć potoki uczenia maszynowego w Google Cloud.
Ten notatnik Google Colab pokazuje, jak TensorFlow Data Validation (TFDV) może służyć do badania i wizualizacji zbioru danych, w tym do generowania statystyk opisowych, wnioskowania o schemacie i znajdowania anomalii.
Ten notatnik Google Colab pokazuje, jak można wykorzystać TensorFlow Model Analysis (TFMA) do badania i wizualizacji właściwości zbioru danych oraz oceny wydajności modelu w kilku osiach dokładności.
W tym samouczku pokazano, jak można wykorzystać usługę TensorFlow do obsługi modelu przy użyciu prostego interfejsu API REST.