TensorFlow Extended (TFX) היא פלטפורמה מקצה לקצה לפריסת צינורות ייצור ML
כאשר אתה מוכן להעביר את המודלים שלך ממחקר לייצור, השתמש ב- TFX כדי ליצור ולנהל צינור ייצור.
איך זה עובד
כשאתה מוכן ללכת מעבר לאימון מודל יחיד, או מוכן להפעיל את המודל המדהים שלך ולהעביר אותו לייצור, TFX נמצאת שם כדי לעזור לך לבנות צינור ML מלא.
צינור TFX הוא רצף של רכיבים המיישמים צינור ML אשר תוכנן במיוחד למשימות למידה מכונה ניתנות להרחבה וביצועים גבוהים. זה כולל דוגמנות, הדרכה, הגשת מסקנות וניהול פריסות ליעדים מקוונים, ניידים ו- JavaScript. למידע נוסף, קרא את המדריך למשתמש TFX .
רכיבי הצינור בנויים באמצעות ספריות TFX שניתן להשתמש בהם גם בנפרד. להלן סקירה של הספריות הבסיסיות.
אימות נתונים של TensorFlow
אימות נתונים של TensorFlow (TFDV) מסייע למפתחים להבין, לאמת ולפקח על נתוני ה- ML שלהם בקנה מידה גדול. TFDV משמש לניתוח ואימות של פטה-בייטים של נתונים ב- Google מדי יום, ויש לו רקורד מוכח בסיוע למשתמשי TFX לשמור על בריאות צינורות ה- ML שלהם.
טרנספורמציה של TensorFlow
בעת החלת למידת מכונה על מערכי נתונים אמיתיים, נדרש מאמץ רב לעיבוד נתונים מראש לפורמט מתאים. זה כולל המרה בין פורמטים, אסימון וטבעי טקסט ויצירת אוצר מילים, וביצוע מגוון פעולות מספריות כגון נורמליזציה. אתה יכול לעשות הכל עם tf.Transform.
ניתוח מודל TensorFlow
ניתוח מודלים של TensorFlow (TFMA) מאפשר למפתחים לחשב ולהמחיש מדדי הערכה עבור המודלים שלהם. לפני פריסת מודל למידת מכונה כלשהי (ML), מפתחי ML צריכים להעריך את ביצועי המודל כדי לוודא שהוא עומד בספי איכות ספציפיים ומתנהג כמצופה בכל פרוסות הנתונים הרלוונטיות. לדוגמא, למודל עשוי להיות AUC מקובל על כל מערך הערכות, אך ביצועים נמוכים יותר בפרוסות ספציפיות. TFMA מעניקה למפתחים את הכלים ליצור הבנה מעמיקה של ביצועי המודל שלהם.
הגשת TensorFlow
מערכות הגשה ללימוד מכונה (ML) צריכות לתמוך בגרסאות מודלים (לעדכוני מודלים עם אפשרות החזרה) ובמודלים מרובים (לניסויים באמצעות בדיקת A / B), תוך הקפדה על כך שמודלים מקבילים משיגים תפוקה גבוהה במאיצי חומרה (GPU ו- TPU). עם חביון נמוך. TensorFlow Serving הוכיח ביצועים שמטפלים בגוגל בעשרות מיליוני הסקות לשנייה.
פתרונות לבעיות נפוצות
עיין בהדרכות שלב אחר שלב שיעזרו לך בפרויקטים שלך.
מדריך זה מאמן מודל רשת עצבי לסיווג תמונות של בגדים, כמו נעלי ספורט וחולצות, שומר את המודל המאומן ואז מגיש אותו עם הגשת TensorFlow. המיקוד הוא על הגשת TensorFlow, ולא על הדוגמנות וההדרכה ב- TensorFlow.
היכרות עם צינורות פלטפורמת TensorFlow Extended (TFX) ו- Cloud AI ליצירת צינורות למידת מכונה משלך ב- Google Cloud. עקוב אחר תהליך פיתוח טיפוסי של ML, החל מבדיקת מערך הנתונים וכלה בצינור עבודה מלא.
למד כיצד TensorFlow Extended (TFX) יכול ליצור ולהעריך מודלים של למידת מכונה אשר ייפרסו במכשיר. TFX מספקת כעת תמיכה מקורית ב- TFLite, המאפשרת לבצע הסקה יעילה ביותר במכשירים ניידים.
כיצד חברות משתמשות ב- TFX
חדשות והודעות
עיין בבלוג ובפלייליסט שלנו ב- YouTube לקבלת תוכן נוסף של TFX,
והירשם כמנוי לניוזלטר החודשי שלנו TensorFlow לקבל את
ההודעות האחרונות שנשלחו ישירות לתיבת הדואר הנכנס שלך.
למד כיצד מעבדות Concur של SAP פשטו את הפריסה של דגמי BERT באמצעות ספריות ותוספות TensorFlow בבלוג דו-חלקי זה.
הכרזה על השקת בטא של Cloud AI Platform Pipelines, סביבת ביצוע מאובטחת וקל להתקנה, מאובטחת עבור תהליכי ה- ML שלך.
למד כיצד פלטפורמת ה- ML בייצור של גוגל, TFX, משתנה בשנת 2020. ראה מקרה מרגש של האופן שבו איירבוס משתמשת ב- TFX.
המהדורה של TensorFlow 2.0 הביאה תכונות ושיפורים חדשים רבים כולל אינטגרציה הדוקה עם Keras. למד כיצד רכיבי TFX תומכים בקרס מקורי.