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.
Fonctionnement
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.
Solutions aux problèmes fréquents
Découvrez des tutoriels détaillés conçus pour vous aider à avancer sur vos projets.

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.

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.

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.
Découvrez comment les entreprises utilisent TFX
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.

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.

Présentation rapide de Sibyl et TFX, deux plates-formes de ML successives de bout en bout d'Alphabet. Découvrez comment l'histoire de TFX a contribué à faire connaître l'ingénierie de ML.

TFX et TFJS se sont associés à Magenta pour lancer une nouvelle expérience basée sur l'IA pour le Jour de l'Indépendance en Inde. Cette expérience transforme les voix des utilisateurs en instruments de musique qui, tous ensemble, célèbrent la culture indienne dans un projet musical collaboratif.

Ce blog en deux parties vous explique comment SAP Concur Labs a simplifié le déploiement de modèles BERT au moyen de bibliothèques et d'extensions TensorFlow.
Implication de la communauté
Découvrez d'autres façons de s'impliquer dans la communauté TensorFlow.