TensorFlow Extended (TFX) یک پلت فرم پایان به انتهای برای استقرار خطوط تولید ML است
هنگامی که آماده هستید مدل های خود را از تحقیق به تولید منتقل کنید ، از TFX برای ایجاد و مدیریت خط لوله تولید استفاده کنید.
چگونه کار می کند
خط لوله TFX توالی اجزای سازنده خط لوله ML است که به طور خاص برای کارهای یادگیری ماشین مقیاس پذیر و با کارایی بالا طراحی شده است. کامپوننت ها با استفاده از کتابخانه های TFX ساخته می شوند که می توانند به صورت جداگانه نیز مورد استفاده قرار گیرند.
نحوه استفاده شرکتها از TFX
راه حل مشکلات مشترک
برای کمک به شما در انجام پروژه ها ، آموزش های گام به گام را کاوش کنید.
این راهنما یک مدل شبکه عصبی را برای طبقه بندی تصاویر لباس ، مانند کفش های کتانی و پیراهن آموزش می دهد ، مدل آموزش دیده را ذخیره می کند و سپس آن را با سرویس TensorFlow سرو می کند. تمرکز بر سرویس دهی TensorFlow است ، نه مدل سازی و آموزش در TensorFlow.
مقدمه ای بر TensorFlow Extended (TFX) و Cloud AI Platform Pipelines برای ایجاد خطوط لوله یادگیری ماشین خود در Google Cloud. یک فرایند معمول توسعه ML را دنبال کنید ، ابتدا با بررسی مجموعه داده ها ، و در پایان با یک خط لوله کامل کار.
بیاموزید که چگونه TensorFlow Extended (TFX) می تواند مدل های یادگیری ماشین را که روی دستگاه مستقر می شوند ، ایجاد و ارزیابی کند. TFX اکنون پشتیبانی محلی از TFLite را فراهم می کند ، که انجام استنباط بسیار کارآمد در دستگاه های تلفن همراه را امکان پذیر می کند.
اخبار و اطلاعیه ها
ما را بررسی کنید وبلاگ و لیست پخش یوتیوب برای محتوای TFX اضافی،
برای عضویت در خبرنامه ماهانه TensorFlow ما
آخرین اطلاعیه هایی که مستقیماً به صندوق ورودی شما ارسال می شوند.
بسیاری از شرکا و توسعه دهندگان در این پروژه مشارکت داشته اند و اکنون TFX 1.0 اینجاست! علاوه بر پشتیبانی از NLP ، برنامه های تلفن همراه و وب ، نسخه جدید API ها و مصنوعات عمومی پایدار را برای کاربران TFX OSS فراهم می کند.
بیاموزید که Google چگونه محصولات ML را با استفاده از TFX ایجاد می کند. TFX تقریباً در هر جایی اجرا می شود ، از جمله در خطوط لوله Cloud AI. آموزش مدل خود فقط آغاز کار است ، اما شما می توانید با تولید ML از صفر به قهرمان بروید و با استفاده از TFX ، برنامه شگفت انگیز خود را برای جهانیان آماده کنید!
با آموزش یک مدل یادگیری ماشین سفارشی با داده های پیمایش سایت برای پیش بینی صفحات بعدی ، تجربه کاربر وب سایت را بهبود ببخشید و از یک برنامه Angular برای پیش فرض محتوا و بهبود سرعت سایت استفاده کنید.
بیاموزید که چگونه می توانید با استفاده از TFX RunInference API با Google Cloud Dataflow مدلی را به طور کارآمد مستقر کنید. این پست شامل سناریوهای رایج ، از استنباط استاندارد ، تا پردازش پست و استفاده از RunInference API در چندین مکان در خط تولید است.