TensorFlow Extended (TFX) è una piattaforma end-to-end per la distribuzione di pipeline ML di produzione
Quando sei pronto per spostare i tuoi modelli dalla ricerca alla produzione, usa TFX per creare e gestire una pipeline di produzione.
Come funziona
Una pipeline TFX è una sequenza di componenti che implementano una pipeline ML progettata specificamente per attività di machine learning scalabili e ad alte prestazioni. I componenti sono costruiti utilizzando le librerie TFX che possono essere utilizzate anche singolarmente.
Come le aziende utilizzano TFX
Soluzioni a problemi comuni
Esplora tutorial passo passo per aiutarti con i tuoi progetti.
Questa guida addestra un modello di rete neurale per classificare le immagini di abbigliamento, come scarpe da ginnastica e camicie, salva il modello addestrato e quindi lo serve con TensorFlow Serving. L'attenzione si concentra su TensorFlow Serving, piuttosto che sulla modellazione e formazione in TensorFlow.
Un'introduzione a TensorFlow Extended (TFX) e Cloud AI Platform Pipelines per creare le tue pipeline di machine learning su Google Cloud. Segui un tipico processo di sviluppo ML, iniziando esaminando il set di dati e finendo con una pipeline funzionante completa.
Scopri come TensorFlow Extended (TFX) può creare e valutare modelli di machine learning che verranno distribuiti sul dispositivo. TFX ora fornisce il supporto nativo per TFLite, che rende possibile eseguire inferenze altamente efficienti sui dispositivi mobili.
Notizie e annunci
Dai un'occhiata al nostro blog e alla playlist di YouTube per ulteriori contenuti TFX,
e iscriviti alla nostra newsletter mensile TensorFlow per ottenere il
gli ultimi annunci inviati direttamente nella tua casella di posta.
OpenX ha sfruttato diversi prodotti nell'ecosistema TensorFlow e Google Cloud, tra cui TF Serving e Kubeflow Pipelines, per creare un servizio che assegna la priorità al traffico alle piattaforme lato domanda nello spazio adtech.
La complessità del codice ML e degli artefatti come modelli, set di dati e molto altro richiede il controllo della versione. Ecco perché abbiamo creato Machine Learning Metadata (MLMD), una libreria per monitorare l'intera discendenza dell'intero flusso di lavoro ML.
In questo aggiornamento tratteremo le nozioni di base di TFX ed evidenzieremo le novità di quest'anno per aiutarti a iniziare. Ti mostreremo anche uno sguardo pratico su come mettere insieme un sistema di pipeline di produzione con TFX.
L'apprendimento strutturato neurale può essere utilizzato per addestrare reti neurali con segnali strutturati. Scopri come costruire un modello regolarizzato con grafici con NSL in TFX utilizzando componenti personalizzati e provalo tu stesso in un Colab interattivo.