Присоединяйтесь к сообществу SIG TFX-Addons и помогите сделать TFX еще лучше!
Эта страница переведена с помощью Cloud Translation API.
Switch to English

Учебные пособия по TensorFlow в производственной среде

Лучший способ изучить TensorFlow Extended (TFX) - это учиться на практике. Эти руководства представляют собой конкретные примеры ключевых частей TFX. Они включают в себя учебные пособия для начинающих, чтобы начать работу, и более сложные учебные пособия, когда вы действительно хотите погрузиться в более сложные части TFX.

Учебники по началу работы

Вероятно, самый простой конвейер, который вы можете построить, чтобы помочь вам начать работу. Нажмите кнопку « Выполнить в Google Colab» .
Использование простого конвейера для добавления компонентов проверки данных.
Использование конвейера проверки данных для добавления компонента разработки функций.
Использование простого конвейера для добавления компонента анализа модели.

Следующие шаги

Когда вы получите базовое представление о TFX, ознакомьтесь с этими дополнительными учебными пособиями и руководствами. И не забудьте прочитать Руководство пользователя TFX .
Покомпонентное введение в TFX, включая интерактивный контекст , очень полезный инструмент разработки. Нажмите кнопку « Выполнить в Google Colab» .
Учебное пособие, показывающее, как разрабатывать собственные пользовательские компоненты TFX.
Введение в использование TFX и Cloud AI Platform Pipelines, которое поможет вам научиться создавать конвейеры машинного обучения в Google Cloud.
Этот блокнот Google Colab демонстрирует, как TensorFlow Data Validation (TFDV) может использоваться для исследования и визуализации набора данных, включая создание описательной статистики, определение схемы и обнаружение аномалий.
Этот блокнот Google Colab демонстрирует, как TensorFlow Model Analysis (TFMA) можно использовать для исследования и визуализации характеристик набора данных и оценки производительности модели по нескольким осям точности.
В этом руководстве показано, как TensorFlow Serving можно использовать для обслуживания модели с помощью простого REST API.