TensorFlow trong hướng dẫn sản xuất

Những hướng dẫn này sẽ giúp bạn bắt đầu và giúp bạn tìm hiểu một số cách làm việc khác nhau với TFX cho quy trình sản xuất và triển khai. Đặc biệt, bạn sẽ tìm hiểu hai phong cách chính để phát triển quy trình TFX:

  • Sử dụng InteractiveContext để phát triển quy trình trong sổ tay, làm việc với từng thành phần một. Phong cách này làm cho việc phát triển dễ dàng hơn và mang tính Pythonic hơn.
  • Xác định toàn bộ đường dẫn và thực thi nó bằng một trình chạy. Đây là giao diện đường ống của bạn khi bạn triển khai chúng.

Hướng dẫn bắt đầu

Có lẽ là đường dẫn đơn giản nhất mà bạn có thể xây dựng để giúp bạn bắt đầu. Nhấp vào nút Chạy trong Google Colab .
dựng trên quy trình đơn giản để thêm các thành phần xác thực dữ liệu.
vào quy trình xác thực dữ liệu để thêm thành phần kỹ thuật tính năng.
trên quy trình đơn giản để thêm thành phần phân tích mô hình.

TFX trên Google Cloud

Google Cloud cung cấp các sản phẩm khác nhau như BigQuery, Vertex AI để làm cho quy trình làm việc ML của bạn hiệu quả về chi phí và có thể mở rộng. Bạn sẽ học cách sử dụng các sản phẩm đó trong đường dẫn TFX của mình.
Chạy đường ống trên dịch vụ đường ống được quản lý, Đường ống của Vertex.
Sử dụng BigQuery làm nguồn dữ liệu của quy trình ML.
Sử dụng tài nguyên đám mây để đào tạo và phục vụ ML với Vertex AI.
Giới thiệu về cách sử dụng đường ống nền tảng TFX và đám mây AI.

Các bước tiếp theo

Khi bạn đã hiểu cơ bản về TFX, hãy xem các hướng dẫn và hướng dẫn bổ sung này. Và đừng quên đọc Hướng dẫn sử dụng TFX .
giới thiệu từng thành phần về TFX, bao gồm bối cảnh tương tác , một công cụ phát triển rất hữu ích. Nhấp vào nút Chạy trong Google Colab .
Hướng dẫn chỉ ra cách phát triển các thành phần TFX tùy chỉnh của riêng bạn.
tay Google Colab này trình bày cách có thể sử dụng Xác thực dữ liệu TensorFlow (TFDV) để điều tra và trực quan hóa tập dữ liệu, bao gồm tạo số liệu thống kê mô tả, suy ra lược đồ và tìm các điểm bất thường.
Sổ tay Google Colab này trình bày cách có thể sử dụng Phân tích mô hình TensorFlow (TFMA) để điều tra và trực quan hóa các đặc điểm của tập dữ liệu và đánh giá hiệu suất của mô hình theo một số trục chính xác.
Hướng dẫn này trình bày cách sử dụng Dịch vụ TensorFlow để phục vụ một mô hình bằng cách sử dụng API REST đơn giản.

Video và cập nhật

Đăng ký Danh sách phát YouTube TFXblog để biết các video và cập nhật mới nhất.