ترجمت واجهة Cloud Translation API‏ هذه الصفحة.
Switch to English

TensorFlow Extended (TFX) هي منصة شاملة لنشر خطوط أنابيب ML للإنتاج

عندما تكون جاهزًا لنقل نماذجك من البحث إلى الإنتاج ، استخدم TFX لإنشاء وإدارة خط أنابيب إنتاج.

تشغيل كولاب

يستعرض هذا البرنامج التعليمي التفاعلي كل مكون مدمج في TFX.

انظر الدروس

توضح لك البرامج التعليمية كيفية استخدام TFX مع أمثلة كاملة وشاملة.

انظر الدليل

أدلة تشرح مفاهيم ومكونات TFX.

كيف تعمل

عندما تكون مستعدًا لتجاوز تدريب نموذج واحد ، أو جاهزًا لوضع نموذجك المذهل في العمل ونقله إلى الإنتاج ، فإن TFX موجودة لمساعدتك في بناء خط أنابيب ML كامل.

خط أنابيب TFX عبارة عن سلسلة من المكونات التي تنفذ خط أنابيب ML المصمم خصيصًا لمهام التعلم الآلي عالية الأداء والقابلة للتطوير. يتضمن ذلك النمذجة والتدريب وخدمة الاستدلال وإدارة عمليات النشر للأهداف عبر الإنترنت والجوال الأصلي وجافا سكريبت. لمعرفة المزيد ، اقرأ دليل مستخدم TFX الخاص بنا.

تم تصميم مكونات خطوط الأنابيب باستخدام مكتبات TFX والتي يمكن استخدامها أيضًا بشكل فردي. فيما يلي نظرة عامة على تلك المكتبات الأساسية.

التحقق من صحة بيانات TensorFlow

يساعد التحقق من صحة بيانات TensorFlow (TFDV) المطورين على فهم بيانات ML الخاصة بهم والتحقق من صحتها ومراقبتها على نطاق واسع. تُستخدم TFDV لتحليل وحدات بيتابايت من البيانات والتحقق من صحتها في Google كل يوم ، ولها سجل حافل في مساعدة مستخدمي TFX في الحفاظ على سلامة خطوط أنابيب ML الخاصة بهم.

تحويل TensorFlow

عند تطبيق التعلم الآلي على مجموعات بيانات العالم الحقيقي ، يلزم بذل الكثير من الجهد لمعالجة البيانات مسبقًا في تنسيق مناسب. يتضمن ذلك التحويل بين التنسيقات ، وترميز النص واشتقاقه وتشكيل المفردات ، وتنفيذ مجموعة متنوعة من العمليات العددية مثل التطبيع. يمكنك فعل كل ذلك مع tf.Transform.

تحليل نموذج TensorFlow

يتيح تحليل نموذج TensorFlow (TFMA) للمطورين حساب وتصور مقاييس التقييم لنماذجهم. قبل نشر أي نموذج للتعلم الآلي (ML) ، يحتاج مطورو ML إلى تقييم أداء النموذج للتأكد من أنه يلبي حدود الجودة المحددة ويتصرف كما هو متوقع لجميع شرائح البيانات ذات الصلة. على سبيل المثال ، قد يحتوي النموذج على AUC مقبول على مجموعة بيانات التقييم بأكملها ، ولكن أداء ضعيف في شرائح معينة. توفر TFMA للمطورين الأدوات اللازمة لخلق فهم عميق لأداء نموذجهم.

خدمة TensorFlow

تحتاج أنظمة خدمة التعلم الآلي (ML) إلى دعم إصدار النماذج (لتحديثات الطراز مع خيار التراجع) ونماذج متعددة (للتجربة عبر اختبار A / B) ، مع ضمان أن النماذج المتزامنة تحقق إنتاجية عالية على مسرعات الأجهزة (وحدات معالجة الرسومات (GPU) و (TPU)) مع زمن انتقال منخفض. أثبتت خدمة TensorFlow أداءها في معالجة عشرات الملايين من الاستنتاجات في الثانية في Google.

حلول للمشاكل الشائعة

استكشف البرامج التعليمية خطوة بخطوة لمساعدتك في مشروعاتك.

متوسط
تدريب نموذج TensorFlow وتقديمه باستخدام خدمة TensorFlow

يقوم هذا الدليل بتدريب نموذج شبكة عصبية لتصنيف صور الملابس ، مثل الأحذية الرياضية والقمصان ، ويحفظ النموذج المدرب ، ثم يقدمه مع خدمة TensorFlow. ينصب التركيز على خدمة TensorFlow ، بدلاً من النمذجة والتدريب في TensorFlow.

متوسط
قم بإنشاء خطوط أنابيب TFX مستضافة على Google Cloud

مقدمة إلى TensorFlow Extended (TFX) و Cloud AI Platform Pipelines لإنشاء مسارات تعلم الآلة الخاصة بك على Google Cloud. اتبع عملية تطوير ML نموذجية ، بدءًا من فحص مجموعة البيانات ، وانتهاءً بخط أنابيب عمل كامل.

متوسط
استخدم TFX مع TensorFlow Lite للاستدلال على الجهاز

تعرف على كيفية قيام TensorFlow Extended (TFX) بإنشاء وتقييم نماذج التعلم الآلي التي سيتم نشرها على الجهاز. توفر TFX الآن دعمًا أصليًا لـ TFLite ، مما يجعل من الممكن إجراء استدلال عالي الكفاءة على الأجهزة المحمولة.

الأخبار والإعلانات

تحقق من مدونتنا وقائمة تشغيل YouTube للحصول على محتوى TFX إضافي ،
والاشتراك في النشرة الإخبارية الشهرية TensorFlow للحصول على
آخر الإعلانات المرسلة مباشرة إلى صندوق الوارد الخاص بك.

8 يونيو 2020  
معالجة البرمجة اللغوية العصبية السريعة والقابلة للتطوير والدقة: لماذا تعد TFX مطابقة مثالية لنشر BERT

تعرف على كيفية قيام مختبرات Concur الخاصة بـ SAP بتبسيط نشر نماذج BERT من خلال مكتبات TensorFlow وملحقاتها في هذه المدونة المكونة من جزأين.

11 مارس 2020  
تقديم خطوط أنابيب Cloud AI Platform

الإعلان عن إطلاق الإصدار التجريبي من Cloud AI Platform Pipelines ، وهي بيئة تنفيذ جاهزة للمؤسسات وسهلة التثبيت وآمنة لسير عمل ML الخاص بك.

11 مارس 2020  
TFX: ML Production ML مع TensorFlow في عام 2020 (TF Dev Summit '20)

تعرف على كيفية تغيير منصة Google للإنتاج ML ، TFX ، في عام 2020. شاهد حالة مثيرة لكيفية استخدام Airbus لـ TFX.

متابعة
9 مارس 2020
Keras الأصلية في TFX

جلب إصدار TensorFlow 2.0 العديد من الميزات والتحسينات الجديدة بما في ذلك التكامل الوثيق مع Keras. تعرف على كيفية دعم مكونات TFX لـ Keras الأصلية.