Tutoriais do TensorFlow em produção
A melhor maneira de aprender o TensorFlow Extended (TFX) é aprender fazendo. Esses tutoriais são exemplos focados das principais partes do TFX. Eles incluem tutoriais para iniciantes para começar e tutoriais mais avançados para quando você realmente deseja mergulhar em partes mais avançadas do TFX.
TFX 1.0
Estamos felizes em anunciar a disponibilidade do TFX 1.0.0 . Esta é a versão inicial pós-beta do TFX, que fornece APIs e artefatos públicos estáveis. Você pode ter certeza de que seus futuros pipelines TFX continuarão funcionando após uma atualização dentro do escopo de compatibilidade definido neste RFC .
Tutoriais de primeiros passos
1. Pipeline inicial
Provavelmente o pipeline mais simples que você pode construir, para ajudá-lo a começar. Clique no botão Executar no Google Colab .2. Adicionando validação de dados
Com base no pipeline simples para adicionar componentes de validação de dados.3. Adicionando Engenharia de Recursos
Com base no pipeline de validação de dados para adicionar um componente de engenharia de recursos.4. Adicionando Análise de Modelo
Com base no pipeline simples para adicionar um componente de análise de modelo.TFX no Google Cloud
Executando em pipelines de vértice
Executando pipelines em um serviço de pipeline gerenciado, Vertex Pipelines.Ler dados do BigQuery
Uso do BigQuery como fonte de dados de pipelines de ML.Treinamento e serviço de IA da Vertex
Usando recursos de nuvem para treinamento de ML e atendimento com o Vertex AI.TFX em pipelines do Cloud AI Platform
Uma introdução ao uso do TFX e do Cloud AI Platform Pipelines.Próximos passos
Tutorial completo do pipeline
Uma introdução componente por componente ao TFX, incluindo o contexto interativo , uma ferramenta de desenvolvimento muito útil. Clique no botão Executar no Google Colab .Tutorial de componente personalizado
Um tutorial mostrando como desenvolver seus próprios componentes TFX personalizados.Data de validade
Este notebook do Google Colab demonstra como o TensorFlow Data Validation (TFDV) pode ser usado para investigar e visualizar um conjunto de dados, inclusive gerando estatísticas descritivas, inferindo um esquema e encontrando anomalias.Análise do modelo
Este notebook do Google Colab demonstra como o TensorFlow Model Analysis (TFMA) pode ser usado para investigar e visualizar as características de um conjunto de dados e avaliar o desempenho de um modelo em vários eixos de precisão.Servir um modelo
Este tutorial demonstra como o TensorFlow Serving pode ser usado para servir um modelo usando uma API REST simples.Vídeos e atualizações
Inscreva-se na lista de reprodução e blog do TFX no YouTube para obter os vídeos e atualizações mais recentes.