TensorFlow Extended (TFX) to kompleksowa platforma do wdrażania produkcyjnych potoków ML
Gdy jesteś gotowy, aby przenieść swoje modele z badań do produkcji, użyj TFX do utworzenia potoku produkcyjnego i zarządzania nim.
Jak to działa
Potok TFX to sekwencja składników, które implementują potok ML, który jest specjalnie zaprojektowany do skalowalnych zadań uczenia maszynowego o wysokiej wydajności. Komponenty są budowane przy użyciu bibliotek TFX, które mogą być również używane indywidualnie.
Jak firmy korzystają z TFX
Rozwiązania typowych problemów
Zapoznaj się z samouczkami krok po kroku, które pomogą Ci w projektach.
Ten przewodnik szkoli model sieci neuronowej w celu klasyfikowania obrazów odzieży, takiej jak trampki i koszule, zapisuje przeszkolony model, a następnie udostępnia go za pomocą funkcji TensorFlow Serving. Nacisk kładziony jest na TensorFlow Serving, a nie na modelowanie i szkolenie w TensorFlow.
Wprowadzenie do TensorFlow Extended (TFX) i Cloud AI Platform Pipelines do tworzenia własnych potoków uczenia maszynowego w Google Cloud. Postępuj zgodnie z typowym procesem opracowywania ML, zaczynając od zbadania zestawu danych, a kończąc na kompletnym potoku roboczym.
Dowiedz się, jak TensorFlow Extended (TFX) może tworzyć i oceniać modele uczenia maszynowego, które zostaną wdrożone na urządzeniu. TFX zapewnia teraz natywne wsparcie dla TFLite, co umożliwia wykonywanie wysoce wydajnego wnioskowania na urządzeniach mobilnych.
Nowości i ogłoszenia
Sprawdź nasz blog i odtwarzania YouTube dla zawartości dodatkowej TFX,
i zapisz się do naszego comiesięcznego biuletynu TensorFlow, aby uzyskać
najnowsze ogłoszenia wysyłane bezpośrednio do Twojej skrzynki odbiorczej.
Wielu partnerów i programistów wniosło swój wkład do projektu, a teraz TFX 1.0 jest tutaj! Oprócz obsługi NLP, aplikacji mobilnych i internetowych, nowa wersja zapewnia stabilne publiczne interfejsy API i artefakty dla użytkowników TFX OSS.
Dowiedz się, jak Google tworzy produkty ML przy użyciu TFX. TFX działa praktycznie wszędzie, w tym w Cloud AI Pipelines. Szkolenie swojego modelu to dopiero początek, ale możesz przejść od zera do bohatera dzięki Production ML, używając TFX i przygotować swoją niesamowitą aplikację na świat!
Popraw wygodę użytkownika witryny, trenując niestandardowy model uczenia maszynowego z danymi nawigacji witryny, aby przewidywać kolejne strony, i użyj aplikacji Angular do wstępnego pobierania treści i poprawy szybkości witryny.
Dowiedz się, jak skutecznie wdrożyć model za pomocą interfejsu TFX RunInference API z Google Cloud Dataflow. Ten wpis zawiera omówienie typowych scenariuszy, od wnioskowania standardowego do przetwarzania końcowego i używania interfejsu API RunInference w wielu lokalizacjach w potoku.