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。
多くのパートナーやデベロッパーの皆様の貢献により、TFX 1.0 をリリースすることができました。新しいリリースには、NLP、モバイル、ウェブ アプリケーションのサポートに加えて、安定した公開 API と TFX OSS ユーザー向けのアーティファクトが用意されています。
Google がどのように TFX を使用して ML プロダクトを作成しているかをご確認ください。TFX は、Cloud AI Pipelines を含め、ほぼどこでも実行できます。モデルのトレーニングは第一歩にすぎませんが、TFX を使って本番環境用 ML を作成し、高品質なアプリを公開できます。
サイト ナビゲーションのデータに基づいてカスタム機械学習モデルをトレーニングして、次に表示されるページを予測できるようにします。同時に、Angular アプリを使用してコンテンツをプリフェッチし、サイトの速度を向上させることで、ウェブサイトのユーザー エクスペリエンスを改善します。
Google Cloud Dataflow で TFX RunInference API を使用して効率的にモデルをデプロイする方法をご覧ください。この投稿では、標準的な推論から後処理までの一般的なシナリオと、パイプライン内の複数の場所での RunInference API の使用についてのチュートリアルを提供します。