इस पेज का अनुवाद Cloud Translation API से किया गया है.
Switch to English

TensorFlow Extended (TFX) उत्पादन एमएल पाइपलाइनों को तैनात करने के लिए एंड-टू-एंड प्लेटफॉर्म है

जब आप अपने मॉडल को अनुसंधान से उत्पादन तक ले जाने के लिए तैयार हों, तो उत्पादन पाइपलाइन बनाने और प्रबंधित करने के लिए TFX का उपयोग करें।

कोलाब चलाओ

यह इंटरेक्टिव ट्यूटोरियल टीएफएक्स के प्रत्येक अंतर्निहित घटक के माध्यम से चलता है।

ट्यूटोरियल देखें

ट्यूटोरियल आपको दिखाते हैं कि TFX का उपयोग पूर्ण, अंत-से-अंत उदाहरणों के साथ कैसे किया जाता है।

गाइड देखें

गाइड टीएफएक्स की अवधारणाओं और घटकों की व्याख्या करते हैं।

यह काम किस प्रकार करता है

जब आप किसी एकल मॉडल के प्रशिक्षण से परे जाने के लिए तैयार होते हैं, या अपने अद्भुत मॉडल को काम करने और इसे उत्पादन में स्थानांतरित करने के लिए तैयार होते हैं, तो टीएफएक्स आपको एक पूर्ण एमएल पाइपलाइन बनाने में मदद करने के लिए है।

टीएफएक्स पाइपलाइन घटकों का एक अनुक्रम है जो एक एमएल पाइपलाइन को लागू करता है जो विशेष रूप से स्केलेबल, उच्च-प्रदर्शन मशीन सीखने के कार्यों के लिए डिज़ाइन किया गया है। जिसमें मॉडलिंग, प्रशिक्षण, सेवा प्रदान करना, और ऑनलाइन, देशी मोबाइल और जावास्क्रिप्ट लक्ष्य के लिए तैनाती को प्रबंधित करना शामिल है। अधिक जानने के लिए, हमारे TFX उपयोगकर्ता गाइड को पढ़ें।

पाइपलाइन घटक टीएफएक्स पुस्तकालयों का उपयोग करके बनाए गए हैं जो व्यक्तिगत रूप से भी उपयोग किए जा सकते हैं। नीचे उन अंतर्निहित पुस्तकालयों का अवलोकन है।

TensorFlow Data Validation

TensorFlow Data Validation (TFDV) डेवलपर्स को अपने एमएल डेटा को पैमाने पर समझने, मान्य करने और मॉनिटर करने में मदद करता है। TFDV का उपयोग हर दिन Google में डेटा की पेटाबाइट्स का विश्लेषण और सत्यापन करने के लिए किया जाता है, और TFX उपयोगकर्ताओं को अपने एमएल पाइपलाइनों के स्वास्थ्य को बनाए रखने में मदद करने के लिए एक सिद्ध ट्रैक रिकॉर्ड है।

TensorFlow रूपांतरण

वास्तविक दुनिया डेटासेट में मशीन लर्निंग को लागू करते समय, डेटा को एक उपयुक्त प्रारूप में प्रीप्रोसेस करने के लिए बहुत प्रयास की आवश्यकता होती है। इसमें प्रारूपों के बीच परिवर्तित करना, पाठ को टोकन करना और उपजीकरण करना और शब्दसंग्रह तैयार करना और सामान्यीकरण जैसे कई संख्यात्मक कार्य करना शामिल है। आप यह सब tf.Transform के साथ कर सकते हैं।

TensorFlow मॉडल विश्लेषण

TensorFlow मॉडल विश्लेषण (TFMA) डेवलपर्स को अपने मॉडल के लिए मूल्यांकन मैट्रिक्स की गणना और कल्पना करने में सक्षम बनाता है। किसी भी मशीन लर्निंग (एमएल) मॉडल को तैनात करने से पहले, एमएल डेवलपर्स को यह सुनिश्चित करने के लिए मॉडल प्रदर्शन का मूल्यांकन करने की आवश्यकता है कि यह विशिष्ट गुणवत्ता थ्रेसहोल्ड से मिलता है और डेटा के सभी प्रासंगिक स्लाइस के लिए अपेक्षा के अनुरूप व्यवहार करता है। उदाहरण के लिए, एक मॉडल में संपूर्ण eval डेटासेट पर स्वीकार्य AUC हो सकता है, लेकिन विशिष्ट स्लाइस पर अंडरपरफॉर्म हो सकता है। TFMA डेवलपर्स को अपने मॉडल के प्रदर्शन की गहरी समझ बनाने के लिए उपकरण देता है।

TensorFlow सर्व करना

मशीन लर्निंग (एमएल) सेवारत प्रणालियों को मॉडल वर्जनिंग (रोलबैक विकल्प के साथ मॉडल अपडेट के लिए) और मल्टीपल मॉडल (ए / बी परीक्षण के माध्यम से प्रयोग के लिए) का समर्थन करने की आवश्यकता है, जबकि यह सुनिश्चित करना कि समवर्ती मॉडल हार्डवेयर त्वरक (जीपीयू और टीपी) पर उच्च थ्रूपुट प्राप्त करते हैं। कम विलंबता के साथ। TensorFlow सर्विंग ने प्रदर्शनों को साबित किया है जो Google पर प्रति सेकंड करोड़ों इंफ़ेक्शन को संभाल रहा है।

आम समस्याओं का समाधान

अपनी परियोजनाओं में आपकी सहायता करने के लिए चरण-दर-चरण ट्यूटोरियल देखें।

मध्यम
ट्रेन और TensorFlow सर्विंग के साथ एक TensorFlow मॉडल की सेवा

यह गाइड स्नीकर्स और शर्ट की तरह कपड़ों की छवियों को वर्गीकृत करने के लिए एक तंत्रिका नेटवर्क मॉडल को प्रशिक्षित करता है, प्रशिक्षित मॉडल को बचाता है, और फिर इसे TensorFlow Serving के साथ कार्य करता है। ध्यान TensorFlow में मॉडलिंग और प्रशिक्षण के बजाय TensorFlow Serving पर है।

मध्यम
Google क्लाउड पर होस्ट की गई TFX पाइपलाइन बनाएं

Google क्लाउड पर अपनी स्वयं की मशीन लर्निंग पाइपलाइन बनाने के लिए TensorFlow Extended (TFX) और क्लाउड AI प्लेटफ़ॉर्म पाइपलाइनों का परिचय। एक सामान्य एमएल विकास प्रक्रिया का पालन करें, डेटासेट की जांच शुरू करके, और पूरी तरह से काम कर रहे पाइपलाइन के साथ समाप्त होता है।

मध्यम
डिवाइस पर इंजेक्शन के लिए TensorFlow Lite के साथ TFX का उपयोग करें

जानें कि TensorFlow Extended (TFX) मशीन लर्निंग मॉडल का निर्माण और मूल्यांकन कैसे कर सकता है, जिन्हें ऑन-डिवाइस पर तैनात किया जाएगा। TFX अब TFLite के लिए मूल समर्थन प्रदान करता है, जिससे मोबाइल उपकरणों पर अत्यधिक कुशल निष्कर्ष निकालना संभव हो जाता है।

कंपनियां TFX का उपयोग कैसे कर रही हैं

समाचार और घोषणाएँ

अतिरिक्त TFX सामग्री के लिए हमारे ब्लॉग और YouTube प्लेलिस्ट देखें ,
और पाने के लिए हमारे मासिक TensorFlow न्यूज़लेटर की सदस्यता लें
नवीनतम घोषणाएँ सीधे आपके इनबॉक्स में भेजी जाती हैं।

8 जून, 2020  
फास्ट, स्केलेबल और सटीक एनएलपी: क्यों टीएफटी बीईआरटी को तैनात करने के लिए एक आदर्श मैच है

जानें कि SAP के कॉन्सुर लैब्स ने इस दो-भाग ब्लॉग में TensorFlow पुस्तकालयों और एक्सटेंशन के माध्यम से BERT मॉडल की तैनाती को कैसे सरल बनाया।

11 मार्च, 2020  
पेश है क्लाउड ऐ प्लेटफॉर्म पाइपलाइन

क्लाउड एआई प्लेटफ़ॉर्म पाइपलाइनों के बीटा लॉन्च की घोषणा करते हुए, आपके एमएल वर्कफ़्लोज़ के लिए उद्यम-तैयार, आसान निष्पादन पर्यावरण को सुरक्षित करना।

11 मार्च, 2020  
TFX: 2020 में TensorFlow के साथ प्रोडक्शन एमएल (TF देव समिट '20)

जानें कि Google उत्पादन एमएल प्लेटफ़ॉर्म, TFX, 2020 में कैसे बदल रहा है। देखें कि एयरबस TFX का उपयोग कैसे करता है, का एक रोमांचक मामला।

जारी रखें
9 मार्च, 2020
TFX में नेटिव केरस

TensorFlow 2.0 की रिलीज़ ने कई नई विशेषताओं और सुधारों को लाया जिसमें Keras के साथ एकीकरण शामिल है। जानें कि TFX घटक कैसे मूल Keras का समर्थन करते हैं।