TensorFlow Extended (TFX) adalah platform ujung ke ujung untuk menerapkan pipeline ML produksi
Saat Anda siap untuk memindahkan model Anda dari penelitian ke produksi, gunakan TFX untuk membuat dan mengelola pipeline produksi.
Bagaimana itu bekerja
Pipeline TFX adalah urutan komponen yang mengimplementasikan pipeline ML yang dirancang khusus untuk tugas machine learning berperforma tinggi yang dapat diskalakan. Komponen dibangun menggunakan pustaka TFX yang juga dapat digunakan secara individual.
Bagaimana perusahaan menggunakan TFX
Solusi untuk masalah umum
Jelajahi tutorial langkah demi langkah untuk membantu Anda dengan proyek Anda.
Panduan ini melatih model jaringan saraf untuk mengklasifikasikan gambar pakaian, seperti sepatu kets dan kemeja, menyimpan model yang dilatih, lalu menyajikannya dengan Penyajian TensorFlow. Fokusnya adalah pada Penyajian TensorFlow, bukan pada pemodelan dan pelatihan di TensorFlow.
Pengantar TensorFlow Extended (TFX) dan Cloud AI Platform Pipelines untuk membuat pipeline machine learning Anda sendiri di Google Cloud. Ikuti proses pengembangan ML yang umum, dimulai dengan memeriksa set data, dan berakhir dengan pipeline yang berfungsi lengkap.
Pelajari bagaimana TensorFlow Extended (TFX) dapat membuat dan mengevaluasi model pembelajaran mesin yang akan diterapkan di perangkat. TFX sekarang menyediakan dukungan asli untuk TFLite, yang memungkinkan dilakukannya inferensi yang sangat efisien pada perangkat seluler.
Berita & pengumuman
Lihat blog dan playlist YouTube kami untuk konten TFX tambahan,
dan berlangganan buletin TensorFlow bulanan kami untuk mendapatkan
pengumuman terbaru dikirim langsung ke kotak masuk Anda.
OpenX memanfaatkan beberapa produk di ekosistem TensorFlow & Google Cloud, termasuk TF Serving dan Kubeflow Pipelines, untuk membangun layanan yang memprioritaskan lalu lintas ke platform sisi permintaan di ruang adtech.
Kompleksitas kode ML dan artefak seperti model, kumpulan data, dan banyak lagi memerlukan kontrol versi. Itulah alasan kami membuat Machine Learning Metadata (MLMD), library untuk melacak garis keturunan penuh dari seluruh alur kerja ML Anda.
Dalam pembaruan ini kami akan membahas dasar-dasar TFX dan menyoroti apa yang baru tahun ini untuk membantu Anda memulai. Kami juga akan menunjukkan kepada Anda tampilan langsung tentang cara menyusun sistem pipeline produksi dengan TFX.
Pembelajaran terstruktur neural dapat digunakan untuk melatih jaringan saraf dengan sinyal terstruktur. Pelajari cara membuat model yang diatur grafik dengan NSL di TFX menggunakan komponen khusus dan coba sendiri di Colab interaktif.
Partisipasi komunitas
Lihat lebih banyak cara untuk berpartisipasi dalam komunitas TensorFlow.