TensorFlow Extended（TFX）は、本番環境用 ML パイプラインをデプロイするためのエンドツーエンドのプラットフォームです
研究段階のモデルを本番環境に移行する準備が整ったら、TFX を使用して本番環境パイプラインを作成し、管理しましょう。
仕組み
TFX パイプラインは、ML パイプラインを実装する一連のコンポーネントで、特にスケーラブルで高いパフォーマンスが必要な機械学習タスクを念頭に設計されています。このコンポーネントは、個別にも使用可能な TFX ライブラリを使って作成されています。
よくある問題への解決策
プロジェクトの参考になるステップバイステップ チュートリアルをご覧ください。
このガイドでは、スニーカーやシャツなど身に着けるものの画像を分類するニューラル ネットワーク モデルをトレーニングし、トレーニング済みのモデルを保存し、TensorFlow Serving を使用して運用します。TensorFlow でのモデリングとトレーニングではなく、TensorFlow Serving に焦点を当てたガイドです。
Google Cloud で独自の機械学習パイプラインを作成する TensorFlow Extended（TFX）および Cloud AI Platform パイプラインの概要。一般的な ML 開発プロセスに沿って、データセットの確認から完全に機能するパイプラインの作成までのプロセスを行います。
TensorFlow Extended（TFX）が機械学習モデルを作成して評価し、デバイスにデプロイする方法を学びます。TFX は TFLite をネイティブにサポートするようになり、モバイル デバイスで非常に効率的に推論を導き出せるようになりました。
ニュースとお知らせ
その他の TFX コンテンツについては、ブログと YouTube の再生リストをご覧ください。
また、最新のお知らせを毎月メールボックスに直接お届けする
TensorFlow ニュースレターにご登録ください。
OpenX leveraged several products in the TensorFlow ecosystem & Google Cloud, including TF Serving and Kubeflow Pipelines, to build a service that prioritizes traffic to demand side platforms in the adtech space.
ML コードに加え、モデル、データセットなどのアーティファクトは複雑であるため、バージョン管理が必要です。そこで、ML ワークフロー全体の全系統を追跡するためのライブラリ Machine Learning Metadata（MLMD）を構築しました。
今回のアップデートでは、TFX の基本について取り上げ、使い始める際に役立つ今年の新機能にスポットを当てていきます。また、TFX を使用して本番パイプライン システムを構築するための実践的な方法について説明します。
Neural Structured Learning は、構造化シグナルを活用したニューラル ネットワークのトレーニングに使用できます。カスタム コンポーネントを使用して、TFX で NSL によってグラフ正則化モデルを構築する方法を学習できます。インタラクティブな Colab で実際にグラフ正則化モデルを構築してみることもできます。