Учебники по TensorFlow в продакшене

Лучший способ изучить TensorFlow Extended (TFX) — учиться на практике. Эти учебные пособия представляют собой сфокусированные примеры ключевых частей TFX. Они включают в себя учебные пособия для начинающих и более продвинутые учебные пособия для тех, кто действительно хочет погрузиться в более продвинутые части TFX.

ТФХ 1.0

Мы рады сообщить о доступности TFX 1.0.0 . Это первый пост-бета-выпуск TFX, который предоставляет стабильные общедоступные API и артефакты. Вы можете быть уверены, что ваши будущие конвейеры TFX будут продолжать работать после обновления в пределах области совместимости, определенной в этом RFC .

Учебники по началу работы

Вероятно, это самый простой конвейер, который вы можете построить, чтобы помочь вам начать работу. Нажмите кнопку « Выполнить в Google Colab» .
Основываясь на простом конвейере, добавьте компоненты проверки данных.
Основываясь на конвейере проверки данных, добавьте компонент разработки функций.
Основываясь на простом конвейере, добавьте компонент анализа модели.

TFX в облаке Google

Google Cloud предоставляет различные продукты, такие как BigQuery, Vertex AI, чтобы сделать ваш рабочий процесс ML 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 конвейеров машинного обучения.
Использование облачных ресурсов для обучения машинному обучению и обслуживания с помощью Vertex AI.
Введение в использование конвейеров платформы TFX и облачного ИИ.

Следующие шаги

Когда у вас будет базовое понимание TFX, ознакомьтесь с этими дополнительными руководствами 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, вывод схемы и поиск аномалий.
В этой записной книжке Google Colab показано, как можно использовать анализ моделей TensorFlow (TFMA) для исследования и визуализации характеристик набора данных и 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 блог , чтобы быть в курсе последних видео и обновлений.

Саммит разработчиков TF 2020
Смотреть видео
ТФ Мир 2019
Смотреть видео

Перенос машинного обучения из исследований в производство

GOTO Копенгаген 2019
Смотреть видео