Treten Sie der SIG TFX-Addons-Community bei und helfen Sie mit, TFX noch besser zu machen! SIG TFX-Addons beitreten

TensorFlow Extended (TFX) ist eine End-to-End-Plattform für die Bereitstellung von Produktions-ML-Pipelines

Wenn Sie bereit sind, Ihre Modelle von der Forschung in die Produktion zu überführen, verwenden Sie TFX, um eine Produktionspipeline zu erstellen und zu verwalten.

Colab ausführen

Dieses interaktive Tutorial führt Sie durch jede integrierte Komponente von TFX.

Tutorials ansehen

Tutorials zeigen Ihnen, wie Sie TFX mit vollständigen End-to-End-Beispielen verwenden.

Siehe die Anleitung

Leitfäden erklären die Konzepte und Komponenten von TFX.

Wie es funktioniert

Eine TFX-Pipeline ist eine Folge von Komponenten, die eine ML-Pipeline implementieren, die speziell für skalierbare, leistungsstarke maschinelle Lernaufgaben entwickelt wurde. Komponenten werden mit TFX-Bibliotheken erstellt, die auch einzeln verwendet werden können.

Wie Unternehmen TFX verwenden

Lösungen für häufige Probleme

Entdecken Sie Schritt-für-Schritt-Anleitungen, die Ihnen bei Ihren Projekten helfen.

Dazwischenliegend
Trainieren und Bereitstellen eines TensorFlow-Modells mit TensorFlow Serving

Dieser Leitfaden trainiert ein neuronales Netzwerkmodell, um Bilder von Kleidung wie Turnschuhen und Hemden zu klassifizieren, speichert das trainierte Modell und stellt es dann mit TensorFlow Serving bereit. Der Fokus liegt auf TensorFlow Serving und nicht auf der Modellierung und dem Training in TensorFlow.

Dazwischenliegend
Auf Google Cloud gehostete TFX-Pipelines erstellen

Eine Einführung in TensorFlow Extended (TFX) und Cloud AI Platform Pipelines zum Erstellen eigener Pipelines für maschinelles Lernen in Google Cloud. Folgen Sie einem typischen ML-Entwicklungsprozess, beginnend mit der Untersuchung des Datensatzes bis hin zu einer vollständig funktionierenden Pipeline.

Dazwischenliegend
Verwenden Sie TFX mit TensorFlow Lite für Inferenz auf dem Gerät

Erfahren Sie, wie TensorFlow Extended (TFX) Modelle für maschinelles Lernen erstellen und bewerten kann, die auf dem Gerät bereitgestellt werden. TFX bietet jetzt native Unterstützung für TFLite, die eine hocheffiziente Inferenz auf mobilen Geräten ermöglicht.

Neuigkeiten & Ankündigungen

Schauen Sie sich unser Blog und YouTube - Playlist für zusätzlichen TFX Inhalt,
und abonnieren Sie unseren monatlichen TensorFlow-Newsletter, um die
neueste Ankündigungen direkt in Ihren Posteingang.

19. Mai 2021  
Sehen Sie sich die stabile Version von TFX 1.0 an

Viele Partner und Entwickler haben zu dem Projekt beigetragen und jetzt ist TFX 1.0 da! Neben der Unterstützung für NLP-, Mobil- und Webanwendungen bietet die neue Version stabile öffentliche APIs und Artefakte für TFX OSS-Benutzer.

19. Mai 2021  
Verwendet Ihre App ML? Machen Sie es zu einem Produkt mit TFX

Erfahren Sie, wie Google ML-Produkte mit TFX erstellt. TFX läuft fast überall, auch in Cloud AI Pipelines. Das Training Ihres Modells ist nur der Anfang, aber Sie können mit Production ML mithilfe von TFX vom Nullpunkt zum Helden werden und Ihre erstaunliche Anwendung für die Welt bereit machen!

Weiter
18. Mai 2021  
Beschleunigen Sie Ihre Websites mit Webseiten-Prefetching mit ML

Verbessern Sie die Benutzererfahrung der Website, indem Sie ein benutzerdefiniertes Modell für maschinelles Lernen mit Website-Navigationsdaten trainieren, um die nächsten Seiten vorherzusagen, und eine Angular-App verwenden, um den Inhalt vorab abzurufen und die Website-Geschwindigkeit zu verbessern.

6. Mai 2021  
Verwenden von TFX-Inferenz mit Dataflow für groß angelegte ML-Inferenzmuster

Erfahren Sie, wie Sie ein Modell mithilfe der TFX RunInference API mit Google Cloud Dataflow effizient bereitstellen können. Dieser Beitrag bietet eine exemplarische Vorgehensweise für gängige Szenarien, von der Standardinferenz über die Nachbearbeitung bis hin zur Verwendung der RunInference-API an mehreren Stellen in der Pipeline.