Учебные пособия по TensorFlow в производстве

Эти учебные пособия помогут вам начать работу и помогут изучить несколько различных способов работы с TFX для производственных рабочих процессов и развертываний. В частности, вы изучите два основных стиля разработки конвейера TFX:

  • Использование InteractiveContext для разработки конвейера в записной книжке, работающего с одним компонентом за раз. Этот стиль упрощает разработку и делает ее более питонической.
  • Определение всего конвейера и его выполнение с помощью бегуна. Вот как будут выглядеть ваши конвейеры после их развертывания.

Учебники по началу работы

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

TFX в облаке Google

Google Cloud предоставляет различные продукты, такие как BigQuery и Vertex AI, которые сделают ваш рабочий процесс машинного обучения экономически эффективным и масштабируемым. Вы узнаете, как использовать эти продукты в своем конвейере TFX.
Запуск конвейеров в управляемой службе конвейеров Vertex Pipelines.
Использование BigQuery в качестве источника данных для конвейеров машинного обучения.
Использование облачных ресурсов для обучения и обслуживания машинного обучения с помощью Vertex AI.
Введение в использование конвейеров TFX и платформы облачного ИИ.

Следующие шаги

Как только вы получите базовое представление о TFX, ознакомьтесь с этими дополнительными учебниками 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.
В этом блокноте Google Colab показано, как можно использовать проверку данных TensorFlow (TFDV) для исследования и визуализации набора данных, включая создание описательной статистики, определение схемы и поиск аномалий.
В этом блокноте Google Colab показано, как можно использовать анализ модели TensorFlow (TFMA) для исследования и визуализации характеристик набора данных, а также оценки производительности модели по нескольким осям точности.
В этом руководстве показано, как можно использовать TensorFlow Serving для обслуживания модели с помощью простого REST API.

Видео и обновления

Подпишитесь на плейлист TFX YouTube и ведите блог , чтобы получать последние видео и обновления.

Саммит разработчиков TF 2020
Смотреть видео
Мир ТФ 2019
Смотреть видео
ПЕРЕЙТИ К Копенгагену 2019
Смотреть видео