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、TensorFlow Serving を使用して、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 ネットワークをトレーニングし、そのトレーニング済みモデルを保存して運用します。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、データセットを確認して完全に機能するパイプラインを作成します。
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。
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。
関連性が強い Alphabet の 2 つのエンドツーエンド（E2E）ML プラットフォーム、Sibyl と TFX を駆け足で紹介します。ML エンジニアリングの基本を世界に広めた TFX の歴史を学びます。
インド独立記念日に向けて、TFX と TFJS は Magenta と提携し、AI を活用した新しいアプリをリリースしました。このアプリは、ユーザーの歌声を楽器の音に変換して合奏を作り、コラボレーション音楽プロジェクトを通じてインド文化を称えるために作成されました。
このブログ記事では、SAP の Concur Labs による TensorFlow ライブラリと拡張機能を使用した BERT モデルのデプロイの簡素化方法を 2 部構成でご紹介します。