Rejoignez la communauté SIG TFX-Addons et aidez à rendre TFX encore meilleur!

TensorFlow Extended (TFX) est une plate-forme de bout en bout, conçue pour permettre le déploiement de pipelines de machine learning en production

Lorsque vous souhaitez faire passer vos modèles de la recherche à la production, utilisez TFX pour créer et gérer un pipeline de production.

Exécuter Colab

Ce tutoriel interactif vous fait découvrir chaque composant intégré de TFX.

Accéder aux tutoriels

Des tutoriels vous montrent comment utiliser TFX avec des exemples complets de bout en bout.

Afficher le guide

Des guides expliquent les concepts et les composants de TFX.

Comment ça marche ?

Un pipeline TFX est une séquence de composants qui implémentent un pipeline de ML conçu spécialement pour les tâches de machine learning hautes performances et évolutives. Les composants sont créés à l'aide de bibliothèques TFX qui peuvent également être utilisées de façon individuelle.

Découvrez comment les entreprises utilisent TFX

Solutions aux problèmes fréquents

Découvrez des tutoriels détaillés conçus pour vous aider à avancer sur vos projets.

Intermédiaire
Entraînez et exploitez un modèle TensorFlow avec TensorFlow Serving.

Ce guide propose l'entraînement d'un modèle de réseau de neurones pour la classification d'images de vêtements (chaussures de sport et tee-shirts, par exemple), enregistre le modèle entraîné, puis l'exploite avec TensorFlow Serving. L'accent est mis sur TensorFlow Serving, plutôt que sur la modélisation et l'entraînement dans TensorFlow.

Intermédiaire
Créez des pipelines TFX hébergés sur Google Cloud

Introduction à TensorFlow Extended (TFX) et à Cloud AI Platform Pipelines pour créer vos propres pipelines de machine learning sur Google Cloud. Suivez un processus de développement de ML typique, depuis l'analyse de l'ensemble de données jusqu'à l'obtention d'un pipeline parfaitement fonctionnel.

Intermédiaire
Utiliser TFX avec TensorFlow Lite pour exécuter des inférences sur les appareils

Découvrez comment TensorFlow Extended (TFX) vous permet de créer et d'évaluer des modèles de machine learning à déployer sur des appareils. TFX est désormais compatible en natif avec TFLite, qui permet de réaliser des inférences extrêmement efficaces sur les appareils mobiles.

Actualités et annonces

Consultez notre blog et notre playlist YouTube pour en savoir plus sur TFX,
et abonnez-vous à la newsletter TensorFlow mensuelle pour
recevoir directement les dernières annonces.

February 15, 2021  
How OpenX Trains and Serves for a Million Queries per Second in under 15 Milliseconds

OpenX leveraged several products in the TensorFlow ecosystem & Google Cloud, including TF Serving and Kubeflow Pipelines, to build a service that prioritizes traffic to demand side platforms in the adtech space.

January 8, 2021  
Métadonnées de ML : contrôle des versions pour le ML

En raison de la complexité du code de ML et des artefacts (tels que les modèles, les ensembles de données et bien d'autres éléments), le contrôle des versions est nécessaire. Nous avons donc créé la bibliothèque Machine Learning Metadata (MLMD) afin d'assurer une traçabilité complète de l'intégralité de votre workflow de ML.

3 décembre 2020  
Ingénierie ML pour les déploiements de ML en production avec TFX

Dans cette vidéo, nous vous présentons les principes de base de TFX ainsi que les nouveautés de cette année pour vous aider à vous lancer. Nous vous expliquons aussi concrètement comment préparer un système de pipeline de production avec TFX.

Continue
9 octobre 2020  
Neural Structured Learning dans TFX

Le paradigme Neural Structured Learning permet d'entraîner des réseaux de neurones avec des signaux structurés. Apprenez à créer un modèle avec régularisation par graphe grâce ce paradigme dans TFX à l'aide de composants personnalisés, et découvrez comment l'essayer vous-même dans un Colab interactif.