SIG TFX-Addons 커뮤니티에 가입하여 TFX를 더욱 향상 시키십시오!

TensorFlow Extended(TFX)는 프로덕션 ML 파이프라인을 배포하기 위한 엔드 투 엔드 플랫폼입니다

연구에서 프로덕션으로 모델을 이동할 준비가 되면 TFX를 사용하여 프로덕션 파이프라인을 만들고 관리하세요.

Colab 실행

이 대화형 가이드에서는 TFX에 내장된 각 구성요소를 설명합니다.

가이드 보기

가이드에서는 완벽한 엔드 투 엔드 예제와 함께 TFX를 사용하는 방법을 보여줍니다.

가이드 보기

가이드는 TFX의 개념과 구성요소에 관해 설명합니다.

작동 방식

TFX 파이프라인은 확장 가능한 고성능 머신러닝 작업을 위해 특별히 설계된 ML 파이프라인을 구현하는 일련의 구성요소입니다. 구성요소는 TFX 라이브러리를 사용하여 빌드되며, 이는 개별적으로 사용할 수도 있습니다.

기업에서 TFX를 활용하는 방법

일반적인 문제 해결책

프로젝트에 도움이 되는 단계별 가이드를 탐색하세요.

중급
TensorFlow Serving으로 TensorFlow 모델을 학습시키고 제공하기

이 가이드는 운동화 및 셔츠와 같은 의류 이미지를 분류하는 신경망 모델을 학습시키고, 학습된 모델을 저장한 다음, TensorFlow Serving을 사용하여 서빙합니다. TensorFlow를 사용한 모델링 및 학습보다는 TensorFlow Serving에 중점을 둡니다.

중급
Google Cloud에 호스팅된 TFX 파이프라인 만들기

Google Cloud에서 나만의 머신러닝 파이프라인을 제작할 수 있도록 도와주는 TensorFlow Extended(TFX) 및 Cloud AI Platform 파이프라인을 소개합니다. 일반적인 ML 개발 과정을 따라 개발해 보세요. 데이터 세트 검사부터 시작해 제대로 작동하는 파이프라인을 완성할 수 있습니다.

중급
TensorFlow Lite로 기기 내 추론에 TFX 사용

TensorFlow Extended(TFX)를 사용해 기기에 배포될 머신러닝 모델을 개발하고 평가하는 방법을 알아보세요. 이제 TFX에서 기본적으로 TFLite를 지원하므로 휴대기기에서도 매우 효율적인 추론을 실행할 수 있습니다.

뉴스 및 공지사항

더 많은 TFX 콘텐츠는 블로그YouTube 재생목록을 확인하세요.
월간 TensorFlow 뉴스레터를 구독하면 최신 공지사항을
받은편지함에서 바로 받아 볼 수 있습니다.

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  
ML 메타데이터: ML 버전 제어

ML 코드와 아티팩트(예: 모델, 데이터 세트) 등의 복잡도로 인해 버전 제어가 필요합니다. 이러한 이유로 전체 ML 워크플로의 모든 계보를 추적하는 라이브러리인 머신러닝 메타데이터(MLMD)를 빌드했습니다.

2020년 12월 3일  
TFX로 프로덕션 ML을 배포하는 ML 엔지니어링

이번 업데이트에서는 시작하는 데 도움이 되도록 TFX 기초를 다루고 올해의 새로운 기능을 소개합니다. 또한, TFX와 프로덕션 파이프라인 시스템을 통합하는 방법을 실습해 봅니다.

Continue
2020년 10월 9일  
TFX의 Neural Structured Learning

Neural Structured Learning은 구조화된 신호로 신경망을 학습시키는 데 사용할 수 있습니다. 맞춤 구성요소를 사용하여 TFX에서 NSL로 그래프 정규화 모델을 빌드하고 양방향 Colab에서 자체적으로 시험해 보는 방법을 자세히 알아보세요.